دور التحليل الآلي للكهرباء القلبية (ECG) في الممارسة السريرية محدود بدقة النماذج الحالية. الشبكات العصبية العميقة (DNNs) هي نماذج تتكون من تحويلات متراكمة تتعلم المهام من خلال الأمثلة. حققت هذه التقنية مؤخرًا نجاحًا ملحوظًا في مجموعة متنوعة من المهام، وهناك توقعات كبيرة حول كيفية تحسينها للممارسة السريرية. في هذا البحث، نقدم نموذج شبكات عصبية عميقة تم تدريبه على مجموعة بيانات تحتوي على أكثر من 2 مليون فحص مشخص وتم تحليلها بواسطة شبكة الرعاية الصحية عن بُعد في ميناس جيرايس وجُمعت ضمن نطاق دراسة CODE (النتائج السريرية في الكهرباء القلبية الرقمية). أظهر النموذج أداءً أفضل من الأطباء المقيمين في قسم القلب في التعرف على 6 أنواع من التشوهات في تسجيلات ECG ذات الـ12 قطبًا، مع درجات F1 أعلى من 80٪ ودقة أكثر من 99٪. تشير هذه النتائج إلى أن التحليل الكهربائي القلبيي المستند إلى شبكات عصبية عميقة، والذي تم دراسته سابقًا في نظام قطب واحد، يعمم بشكل جيد إلى فحوصات ECG ذات الـ12 قطبًا، مما يقرب التقنية أكثر نحو الممارسة السريرية القياسية.