BACKGROUND AND AIMS Artificial intelligence (AI) algorithms in 12-lead electrocardiogram (ECG) provides promising age prediction methods. This study investigated whether the discrepancy between ECG-derived AI-predicted age (AI-ECG age) and chronological age, termed electrocardiographic aging (ECG aging), is associated with atrial fibrillation (AF) risk. METHODS An AI-ECG age prediction model was developed using a large-scale dataset (1 533 042 ECGs from 689 639 participants) and validated with six independent and multi-national datasets (737 133 ECGs from 330 794 participants). The AI-ECG age gap was calculated across two South Korean cohorts [mean (standard deviation) follow-up: 4.1 (4.3) years for 111 483 participants and 6.1 (3.8) years for 37 517 participants], one UK cohort [3.0 (1.6) years; 40 973 participants], and one US cohort [12.9 (8.6) years; 90 639 participants]. Participants were classified into two groups: normal group (age gap < 7 years) and ECG-aged group (age gap ≥ 7 years). The predictive capability of ECG aging for new- and early-onset AF risk was assessed. RESULTS The mean AI-ECG ages were 51.9 (16.2), 47.4 (12.5), 68.4 (7.8), and 56.7 (14.6) years with age gaps of .0 (6.8), -.1 (6.0), 4.7 (8.7), and -1.4 (8.9) years in the two South Korean, UK, and US cohorts, respectively. In the ECG-aged group, increased risks of new-onset AF were observed with hazard ratios (95% confidence intervals) of 2.50 (2.24-2.78), 1.89 (1.46-2.43), 1.90 (1.55-2.33), and 1.76 (1.67-1.86) in the two South Korean, UK, and US cohorts, respectively. For early-onset AF, odds ratios were 2.89 (2.47-3.37), 1.94 (1.39-2.70), 1.58 (1.06-2.35), and 1.79 (1.62-1.97) in these cohorts compared with the normal group. CONCLUSIONS The AI-derived ECG aging was associated with the risk of new- and early-onset AF, suggesting its potential utility to identify individuals for AF prevention across diverse populations.

中文翻译：

---

人工智能衍生的心电图衰老和心房颤动风险：一项多国研究。


背景和目标 12 导联心电图 （ECG） 中的人工智能 （AI） 算法提供了有前途的年龄预测方法。本研究调查了心电图衍生的 AI 预测年龄 （AI-ECG 年龄） 与实际年龄之间的差异，称为心电图老化 （ECG aging），是否与心房颤动 （AF） 风险有关。方法 使用大规模数据集 （来自 689 639 名参与者的 1 533 042 个心电图） 开发了 AI-心电图年龄预测模型，并使用六个独立的多国数据集 （来自 330 794 名参与者的 737 133 个心电图） 进行了验证。计算了两个韩国队列 [平均（标准差）随访：111 483 名参与者为 4.1 （4.3） 岁，37 517 名参与者为 6.1 （3.8） 岁]、一个英国队列 [3.0 （1.6） 岁;40 973 名参与者] 和一个美国队列 [12.9 （8.6） 岁;90 639 名参与者]。参与者分为两组：正常组 （年龄差距 < 7 岁） 和 心电图年龄组 （年龄差距 ≥ 7 岁）。评估了心电图老化对新发和早发 AF 风险的预测能力。结果 平均 AI-ECG 年龄为 51.9 （16.2） 、 47.4 （12.5） 、 68.4 （7.8） 和 56.7 （14.6） 岁，年龄差距分别为 .0 （6.8） 、 -.1 （6.0）、 4.7 （8.7） 和 -1.4 （8.9） 岁在韩国、英国和美国两个队列中。在心电图年龄组中，观察到新发 AF 的风险增加，风险比 （95% 置信区间） 分别为 2.50 （2.24-2.78）、1.89 （1.46-2.43）、1.90 （1.55-2.33） 和 1.76 （1.67-1.86） 在韩国、英国和美国两个队列中，。对于早发性 AF，与正常组相比，这些队列中的比值比为 2.89 （2.47-3.37）、1.94 （1.39-2.70）、1.58 （1.06-2.35） 和 1.79 （1.62-1.97）。 结论 AI 衍生的心电图衰老与新发和早发 AF 的风险相关，表明其在识别不同人群中预防 AF 的个体具有潜在效用。