Сърдечна недостатъчност и изкуствен интелект: алгоритъм за самообучение за откриване на признаци, невидими за ЕКГ

Сърдечна недостатъчност и изкуствен интелект: специален компютърен алгоритъм, базиран на изкуствен интелект (AI), създаден от изследователи от планината Синай, успя да се научи как да идентифицира фини промени в електрокардиограмите (известни също като ЕКГ или ЕКГ), за да предскаже дали пациентът изпитва сърдечна недостатъчност

Алгоритмите за самообучение разпознават проблеми със сърдечната недостатъчност

„Ние показахме, че алгоритмите за дълбоко обучение могат да разпознаят проблемите с изпомпването на кръвта от двете страни на сърцето от данните за формата на ЕКГ“, каза д-р Бенджамин С. Гликсберг, асистент по генетика и геномни науки, член на Института за дигитални технологии на Хасо Платнер Здраве на планината Синай и старши автор на изследването, публикувано в списанието на Американския колеж по кардиология: Сърдечно -съдови изображения.

„Обикновено диагностицирането на този тип сърдечни заболявания изисква скъпи и отнемащи време процедури.

Надяваме се, че този алгоритъм ще позволи по-бързо диагностициране на сърдечна недостатъчност."

Изследването е ръководено от д -р Ахил Вайд, докторант, който работи както в лабораторията в Гликсберг, Гириш Н. Надкарни, д -р, MPH, CPH, доцент по медицина в Медицинското училище Icahn в планината Синай, началник на отдела по Управлявана от данни и цифрова медицина (D3M) и старши автор на изследването.

Засягане на около 6.2 милиона американци, сърдечна недостатъчност или застойна сърдечна недостатъчност, се случва, когато сърцето изпомпва по -малко кръв, отколкото нормално се нуждае тялото

В продължение на години лекарите разчитат в голяма степен на образна техника, наречена ехокардиограма, за да преценят дали пациентът може да изпитва сърдечна недостатъчност.

Макар и полезни, ехокардиограмите могат да бъдат трудоемки процедури, които се предлагат само в избрани болници.

Последните открития в областта на изкуствения интелект обаче предполагат, че електрокардиограмите - широко използвано електрическо записващо устройство - могат да бъдат бърза и лесно достъпна алтернатива в тези случаи.

Например, много проучвания показват как алгоритъмът за „дълбоко обучение“ може да открие слабост в лявата камера на сърцето, която изтласква прясно наситената с кислород кръв към останалата част от тялото.

В това проучване изследователите описаха разработването на алгоритъм, който не само оценява силата на лявата камера, но и на дясната камера, която приема дезоксигенирана кръв, която се влива от тялото и я изпомпва към белите дробове.

„Макар и привлекателно, традиционно за лекарите беше предизвикателство да използват ЕКГ за диагностициране на сърдечна недостатъчност.

Това отчасти се дължи на факта, че няма установени диагностични критерии за тези оценки и защото някои промени в показанията на ЕКГ са просто твърде фини, за да може човешкото око да ги открие “, казва д -р Надкарни.

"Това проучване представлява вълнуваща стъпка напред в намирането на информация, скрита в данните от ЕКГ, която може да доведе до по -добри скрининг и парадигми на лечение, като се използва сравнително прост и широко достъпен тест."

Обикновено електрокардиограмата включва двуетапен процес.

Жичните проводници се залепват към различни части на гърдите на пациента и в рамките на минути специално проектирана, преносима машина отпечатва поредица от изкривени линии или форми на вълни, представящи електрическата активност на сърцето.

Тези машини могат да бъдат намерени в повечето болници и линейки в Съединените щати и изискват минимално обучение за работа.

За това проучване изследователите са програмирали компютър за четене на електрокардиограми на пациенти, заедно с данни, извлечени от писмени доклади, обобщаващи резултатите от съответните ехокардиограми, взети от същите пациенти.

В тази ситуация писмените доклади действаха като стандартен набор от данни за компютъра, за да се сравнят с данните от електрокардиограмата и да се научат как да забелязват по -слабите сърца.

ЕКГ ОБОРУДВАНЕ? ПОСЕТЕТЕ ZOLL BOOTH НА АВАРИЙНО ЕКСПО

Сърдечна недостатъчност: програмите за обработка на естествен език помогнаха на компютъра да извлече данни от писмените доклади

Междувременно бяха включени специални невронни мрежи, способни да откриват модели в изображенията, за да помогнат на алгоритъма да се научи да разпознава силите на изпомпване.

„Искахме да развием най -съвременните технологии, като разработим AI, способен да разбере цялото сърце лесно и евтино“, каза д -р Вайд.

След това компютърът прочете повече от 700,000 150,000 доклада за електрокардиограми и ехокардиограми, получени от 2003 2020 пациенти на здравната система на планината Синай от XNUMX до XNUMX г.

Данните от четири болници бяха използвани за обучение на компютъра, докато данните от пета бяха използвани за тестване как алгоритъмът ще се представи в различна експериментална среда.

„Потенциално предимство на това проучване е, че включва една от най-големите колекции от ЕКГ от една от най-разнообразните популации пациенти в света“, каза д-р Надкарни.

Първоначалните резултати предполагат, че алгоритъмът е ефективен при прогнозиране кои пациенти ще имат здрави или много слаби леви вентрикули.

Тук силата се определя от фракцията на изтласкване на лявата камера, оценка на това колко течност изпомпва камерата с всеки удар, както се наблюдава на ехокардиограмите.

Здравите сърца имат фракция на изтласкване 50 процента или по -голяма, докато слабите сърца имат такива, които са равни или под 40 процента.

Алгоритъмът е бил 94 % точен при прогнозиране кои пациенти са със здрава фракция на изтласкване и 87 % точен при прогнозиране на тези, които имат фракция на изтласкване, която е под 40 %.

КАРДИОЗАЩИТА И КАРДИОПУЛМОНАРНА РЕАМИКАЦИЯ? ПОСЕТЕТЕ КУТИЯТА EMD112 НА АВАРИЙНОТО ЕКСПО СЕГА, ЗА да научите повече

Алгоритъмът обаче не беше толкова ефективен при предвиждането на кои пациенти биха имали леко отслабено сърце

В този случай програмата е 73 % точна при прогнозиране на пациентите, които имат фракция на изтласкване, която е между 40 и 50 %.

Допълнителни резултати предполагат, че алгоритъмът също се е научил да открива слабостите на дясната клапа от електрокардиограмите.

В този случай слабостта се определя от по -описателни термини, извлечени от докладите на ехокардиограмата.

Тук алгоритъмът беше 84 % точен при прогнозиране кои пациенти имат слаби десни клапи.

"Нашите резултати предполагат, че този алгоритъм в крайна сметка може да помогне на лекарите правилно да диагностицират недостатъци от двете страни на сърцето", каза д -р Вайд.

И накрая, допълнителен анализ предполага, че алгоритъмът може да бъде ефективен при откриване на сърдечна слабост при всички пациенти, независимо от расата и пола.

„Нашите резултати предполагат, че този алгоритъм може да бъде полезен инструмент за подпомагане на клиничните лекари в борбата със сърдечната недостатъчност, страдаща от различни пациенти“, добави д-р Гликсберг. „Ние сме в процес на внимателно проектиране на бъдещи изпитания, за да тестваме ефективността му в по-реална среда.”

Това проучване е подкрепено от Националните здравни институти (TR001433).

Статия

Vaid, A., et al., Използване на алгоритми за дълбоко обучение за едновременно идентифициране на дисфункция на дясната и лявата камера от електрокардиограмата, Вестник на Американския колеж по кардиология: Сърдечно -съдови изображения, 13 октомври 2021 г., DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.

Прочетете още:

Възпаления на сърцето: миокардит, инфекциозен ендокардит и перикардит

Сърдечни шумове: какво е и кога да се притеснявате

Синдромът на разбитото сърце е във възход: Ние знаем кардиомиопатията на Takotsubo

Източник:

Планината Синай

Може да харесате също и