Utbildade kardiologer upptäcker förmaksflimmer genom visuell tolkning av vissa segment av elektrokardiogrammet (EKG) som kallas QRS-komplexet. På samma sätt utvärderar tillgänglig EKG-programvara anomalier i signalerna från de EKG-ledningar som producerar spåren/linjerna för att flagga för förmaksflimmer. Vi och andra har tidigare visat att metoder för maskininlärning framgångsrikt identifierar patienter med paroxysmalt förmaksflimmer (PAF) baserat på deras EKG under normal sinusrytm. I det här arbetet går vi längre än de tidigare black-box-metoderna och identifierar specifika mönster i QRS-komplexet vid normal sinusrytm som är förknippade med förmaksflimmer. Vi implementerade frekventa mönsterutvinning på diskretiserad vågforms rå EKG-data för att fastställa mönster som är specifika för patienter med PAF baserat på 1-minuters Lead 1 EKG-inspelningar samplade vid 128 Hz från 25 patienter med PAF och 50 friska försökspersoner från ett Physionet-dataregister. Vi diskretiserade de nedskalade (16 Hz) EKG-spåren med sju symboler som motsvarar olika grader av lokal variabilitet inom spåren och valde från de befintliga unika 1 306 mönstren med fyra symboler de 850 mönster som förekom minst fem gånger (för att minska problemen med sparsamhet). Den resulterande matrisen med 75×850 mönsterfrekvenser representerade frekvensen av varje mönster inom var och en av de 75 patienterna, och PAF-ämnena skiljdes åt baserat på en binär Least Absolute Shrinkage and Selection Operator-regression med 5-faldig korsvalidering som valde ut 50 av mönstren (AUC = 0,95; 95 % C.I. 0,88-1,00; 94 % specificitet, 88 % sensitivitet). Dessa 50 mönster är kandidater för att framkalla PAF:s ”fingeravtryck” inom normal sinusrytm: ett av de utvalda mönstren i figur 1 observerades t.ex. hos 76 % av PAF-patienterna, medan det endast förekom hos 30 % av de friska patienterna. Vår studie är ett bevis på att tekniker för maskininlärning och artificiell intelligens inte är begränsade till svartboxmetoder utan kan användas för att få fram tolkningsbara insikter som kan leda till nya biomarkörer som är förknippade med vissa hälsotillstånd.