Srdeční selhání a umělá inteligence: samoučící se algoritmus k detekci znaků neviditelných pro EKG
Srdeční selhání a umělá inteligence: speciální počítačový algoritmus založený na umělé inteligenci (AI) vytvořený vědci z Mount Sinai se dokázal naučit identifikovat jemné změny na elektrokardiogramech (také známých jako EKG nebo EKG), aby bylo možné předpovědět, zda pacient trpí srdečním selháním
Algoritmy samoučení rozpoznávají problémy se srdečním selháním
"Ukázali jsme, že algoritmy hlubokého učení dokážou rozpoznat problémy s čerpáním krve na obou stranách srdce z údajů o průběhu EKG," řekl Benjamin S. Glicksberg, PhD, odborný asistent genetiky a genomických věd, člen Hasso Plattner Institute for Digital Health at Mount Sinai a hlavní autor studie publikované v časopise Journal of the American College of Cardiology: Cardiovascular Imaging.
"Diagnostika tohoto typu srdečních chorob obvykle vyžaduje nákladné a časově náročné procedury."
Doufáme, že tento algoritmus umožní rychlejší diagnostiku srdečního selhání. “
Studii vedl MD Akhil Vaid, postdoktorandský vědec, který pracuje v laboratoři Glicksberg, Dr. Girish N. Nadkarni, MD, MPH, CPH, docent medicíny na Icahnově lékařské škole na Mount Sinai, vedoucí divize Data řízená a digitální medicína (D3M) a hlavní autor studie.
Postižení asi 6.2 milionu Američanů, srdeční selhání nebo městnavé srdeční selhání nastává, když srdce pumpuje méně krve, než tělo normálně potřebuje
Lékaři se roky spoléhali na zobrazovací techniku zvanou echokardiogram, aby posoudili, zda pacient může trpět srdečním selháním.
I když jsou echokardiogramy užitečné, mohou být postupy náročné na práci, které jsou nabízeny pouze ve vybraných nemocnicích.
Nedávné průlomy v umělé inteligenci však naznačují, že elektrokardiogramy - široce používané elektrické záznamové zařízení - by v těchto případech mohly být rychlou a snadno dostupnou alternativou.
Mnoho studií například ukázalo, jak může algoritmus „hlubokého učení“ detekovat slabost levé srdeční komory, která vytlačuje čerstvě okysličenou krev ven do zbytku těla.
V této studii vědci popsali vývoj algoritmu, který nejen hodnotil sílu levé komory, ale také pravé komory, která odebírá odkysličenou krev proudící z těla a pumpuje ji do plic.
"Ačkoli je to atraktivní, pro lékaře bylo tradičně náročné používat EKG k diagnostice srdečního selhání."
Je to částečně proto, že pro tato hodnocení nejsou stanovena diagnostická kritéria, a protože některé změny v odečtech EKG jsou pro lidské oko prostě příliš jemné na to, aby je detekovaly, “řekl doktor Nadkarni.
"Tato studie představuje vzrušující krok vpřed při hledání informací skrytých v datech EKG, které mohou vést k lepšímu screeningu a paradigmatům léčby pomocí relativně jednoduchého a široce dostupného testu."
Elektrokardiogram obvykle zahrnuje dvoukrokový proces.
Drátové vývody jsou přilepeny k různým částem hrudníku pacienta a během několika minut speciálně navržený přenosný stroj vytiskne řadu vlnovek nebo průběhů, které představují elektrickou aktivitu srdce.
Tyto stroje lze nalézt ve většině nemocnic a sanitky po celých Spojených státech a k provozu vyžadují minimální školení.
Pro tuto studii vědci naprogramovali počítač na čtení elektrokardiogramů pacientů spolu s daty extrahovanými z písemných zpráv shrnujících výsledky odpovídajících echokardiogramů odebraných od stejných pacientů.
V této situaci fungovaly písemné zprávy jako standardní soubor dat pro počítač, který bylo možné porovnat s údaji z elektrokardiogramu a naučit se rozpoznávat slabší srdce.
EKG VYBAVENÍ? NAVŠTÍVTE ZOLL BOOTH NA EMERGENCY EXPO
Srdeční selhání: programy pro zpracování přirozeného jazyka pomohly počítači extrahovat data z písemných zpráv
Mezitím byly začleněny speciální neurální sítě schopné objevovat vzory v obrazech, aby pomohly algoritmu naučit se rozpoznávat čerpací síly.
"Chtěli jsme podpořit současný stav tím, že vyvineme AI schopnou snadno a levně porozumět celému srdci," řekl Dr. Vaid.
Počítač poté přečetl více než 700,000 150,000 zpráv z elektrokardiogramů a echokardiogramů získaných od 2003 2020 pacientů se systémem Mount Sinai Health System v letech XNUMX až XNUMX.
K trénování počítače byla použita data ze čtyř nemocnic, zatímco z páté nemocnice byla použita k testování, jak by algoritmus fungoval v jiném experimentálním prostředí.
"Potenciální výhodou této studie je, že zahrnovala jednu z největších sbírek EKG od jedné z nejrozmanitějších populací pacientů na světě," řekl Dr. Nadkarni.
Počáteční výsledky naznačovaly, že algoritmus byl účinný při předpovědi, kteří pacienti budou mít buď zdravé, nebo velmi slabé levé komory.
Zde byla síla definována ejekční frakcí levé komory, odhadem, kolik tekutiny komora pumpuje s každým úderem, jak je pozorováno na echokardiogramech.
Zdravá srdce mají ejekční zlomek 50 procent nebo vyšší, zatímco slabá srdce mají srdce, která jsou stejná nebo nižší než 40 procent.
Algoritmus byl 94 procent přesný při předpovídání, kteří pacienti měli zdravou ejekční frakci, a 87 procent přesných při předpovídání těch, kteří měli ejekční frakci, která byla pod 40 procent.
Algoritmus však nebyl tak účinný při předpovídání, kteří pacienti budou mít mírně oslabená srdce
V tomto případě byl program 73 procent přesný při predikci pacientů, kteří měli ejekční frakci, která byla mezi 40 a 50 procenty.
Další výsledky naznačují, že se algoritmus také naučil detekovat slabiny pravých ventilů z elektrokardiogramů.
V tomto případě byla slabost definována více popisnými termíny získanými ze zpráv o echokardiogramu.
Zde byl algoritmus přesný na 84 procent při předpovídání, kteří pacienti měli slabé pravé chlopně.
"Naše výsledky naznačují, že tento algoritmus může nakonec pomoci lékařům správně diagnostikovat selhání na obou stranách srdce," řekl Dr. Vaid.
Nakonec další analýza naznačila, že algoritmus může být účinný při detekci srdeční slabosti u všech pacientů bez ohledu na rasu a pohlaví.
"Naše výsledky naznačují, že tento algoritmus by mohl být užitečným nástrojem pro pomoc klinickým lékařům v boji proti srdečnímu selhání, které trpí různými pacienty," dodal Dr. Glicksberg. "Jsme v procesu pečlivého navrhování potenciálních zkoušek, abychom vyzkoušeli její účinnost v reálném prostředí."
Tato studie byla podpořena National Institutes of Health (TR001433).
Článek
Vaid, A., et al., Používání algoritmů hlubokého učení k současné identifikaci dysfunkce pravé a levé komory z elektrokardiogramu, Journal of the American College of Cardiology: Cardiovascular Imaging, 13. října 2021, DOI: 10.1016/j.jcmg.2021.08.004 XNUMX.
Přečtěte si také:
Záněty srdce: myokarditida, infekční endokarditida a perikarditida
Srdcové šelesty: Co to je a kdy si dělat starosti
Syndrom zlomeného srdce je na vzestupu: Známe kardiomyopatii Takotsubo