自动心电图（ECG）分析在临床实践中的作用受到现有模型准确性限制。深度神经网络（DNNs）是由多层变换组成的模型，通过示例学习任务。这项技术最近在多种任务中取得了显著成功，人们对它如何改善临床实践寄予厚望。本文介绍了一种基于米纳斯吉拉斯州远程医疗网络分析的超过200万份标注心电图数据集训练的DNN模型，该数据集是在CODE（数字心电图学中的临床结果）研究范围内收集的。该DNN模型在识别12导联心电图记录中的6种异常方面优于心脏病学住院医师，F1分数超过80%，特异性超过99%。这些结果表明，之前在单导联设置中研究的基于DNN的心电图分析方法可以很好地推广到12导联心电图检查中，使这项技术更接近标准临床实践。