Hjertesvigt og kunstig intelligens: en særlig kunstig intelligens (AI) -baseret computeralgoritme skabt af Mount Sinai-forskere var i stand til at lære at identificere subtile ændringer i elektrokardiogrammer (også kendt som EKG'er eller EKG'er) for at forudsige, om en patient oplevede hjertesvigt

Selvlærende algoritmer genkender problemer med hjertesvigt

"Vi viste, at deep-learning algoritmer kan genkende blodpumpeproblemer på begge sider af hjertet fra EKG-bølgeformdata," sagde Benjamin S. Glicksberg, ph.d., assisterende professor i genetik og genomiske videnskaber, medlem af Hasso Plattner Institute for Digital Health på Mount Sinai, og en seniorforfatter af undersøgelsen offentliggjort i Journal of the American College of Cardiology: Cardiovascular Imaging.

”Normalt kræver diagnosticering af denne type hjertesygdomme dyre og tidskrævende procedurer.

Vi håber, at denne algoritme vil muliggøre en hurtigere diagnose af hjertesvigt. ”

Undersøgelsen blev ledet af Akhil Vaid, MD, en postdoktor, der arbejder i både Glicksberg labby Girish N. Nadkarni, MD, MPH, CPH, lektor i medicin ved Icahn School of Medicine på Mount Sinai, chef for Division of Datadrevet og digital medicin (D3M) og seniorforfatter af undersøgelsen.

Påvirker omkring 6.2 millioner amerikanere, hjertesvigt eller kongestiv hjertesvigt, opstår når hjertet pumper mindre blod, end kroppen normalt har brug for

I årevis har læger i høj grad stolet på en billeddannelsesteknik kaldet et ekkokardiogram for at vurdere, om en patient kan opleve hjertesvigt.

Selvom det er nyttigt, kan ekkokardiogrammer være arbejdskrævende procedurer, der kun tilbydes på udvalgte hospitaler.

Nylige gennembrud inden for kunstig intelligens tyder imidlertid på, at elektrokardiogrammer - en meget udbredt elektrisk registreringsenhed - kunne være et hurtigt og let tilgængeligt alternativ i disse tilfælde.

For eksempel har mange undersøgelser vist, hvordan en “deep-learning” algoritme kan registrere svaghed i hjertets venstre ventrikel, som skubber frisk iltet blod ud til resten af ​​kroppen.

I denne undersøgelse beskrev forskerne udviklingen af ​​en algoritme, der ikke kun vurderede styrken i den venstre ventrikel, men også den højre ventrikel, som tager deoxygeneret blod, der strømmer ind fra kroppen og pumper det til lungerne.

”Selv om det er tiltalende, har det traditionelt været udfordrende for læger at bruge EKG’er til at diagnosticere hjertesvigt.

Dette skyldes dels, at der ikke er etablerede diagnostiske kriterier for disse vurderinger, og fordi nogle ændringer i EKG -aflæsninger simpelthen er for subtile til, at det menneskelige øje kan opdage, ”sagde Dr. Nadkarni.

"Denne undersøgelse repræsenterer et spændende skridt fremad i at finde information, der er skjult i EKG -dataene, hvilket kan føre til bedre screening og behandlingsparadigmer ved hjælp af en relativt enkel og bredt tilgængelig test."

Typisk involverer et elektrokardiogram en totrinsproces.

Trådledninger er tapet til forskellige dele af patientens bryst og inden for få minutter udskriver en specialdesignet, bærbar maskine en række snirklende linjer eller bølgeformer, der repræsenterer hjertets elektriske aktivitet.

Disse maskiner kan findes på de fleste hospitaler og ambulancer i hele USA og kræver minimal uddannelse for at fungere.

Til denne undersøgelse programmerede forskerne en computer til at læse patientens elektrokardiogrammer sammen med data hentet fra skriftlige rapporter, der opsummerede resultaterne af tilsvarende ekkokardiogram taget fra de samme patienter.

I denne situation fungerede de skriftlige rapporter som et standardsæt med data, som computeren kunne sammenligne med elektrokardiogramdataene og lære at se svagere hjerter.

EKG -UDSTYR? BESØG ZOLL -STOVEN PÅ NØDUDSTILLING

Hjertesvigt: programmer til behandling af naturligt sprog hjalp computeren med at udtrække data fra de skrevne rapporter

I mellemtiden blev særlige neurale netværk, der var i stand til at opdage mønstre i billeder, inkorporeret for at hjælpe algoritmen med at lære at genkende pumpestyrker.

"Vi ønskede at skubbe til den nyeste teknik ved at udvikle AI, der let og billigt kan forstå hele hjertet," sagde Dr. Vaid.

Computeren læste derefter mere end 700,000 elektrokardiogrammer og ekkokardiogramrapporter hentet fra 150,000 Mount Sinai Health System -patienter fra 2003 til 2020.

Data fra fire hospitaler blev brugt til at træne computeren, mens data fra en femte blev brugt til at teste, hvordan algoritmen ville fungere i en anden eksperimentel indstilling.

"En potentiel fordel ved denne undersøgelse er, at den involverede en af ​​de største samlinger af EKG'er fra en af ​​de mest forskelligartede patientpopulationer i verden," sagde Dr. Nadkarni.

De første resultater antydede, at algoritmen var effektiv til at forudsige, hvilke patienter der ville have enten sunde eller meget svage venstre ventrikler.

Her blev styrken defineret af venstre ventrikels udstødningsfraktion, et skøn over hvor meget væske ventriklen pumper ud med hvert slag som observeret på ekkokardiogrammer.

Sunde hjerter har en udstødningsfraktion på 50 procent eller større, mens svage hjerter har dem, der er lig med eller under 40 procent.

Algoritmen var 94 procent nøjagtig til at forudsige, hvilke patienter der havde en sund ejektionsfraktion og 87 procent præcis til at forudsige dem, der havde en ejektionsfraktion, der var under 40 procent.

KARDIOPROTEKTION OG KARDIOPULMONÆR RESUSKITATION? BESØG EMD112 -STOVEN PÅ NØDUDSTILLING NU FOR AT LÆRE MERE

Men algoritmen var ikke så effektiv til at forudsige, hvilke patienter der ville have lidt svækkede hjerter

I dette tilfælde var programmet 73 procent nøjagtigt til at forudsige de patienter, der havde en udstødningsfraktion, der var mellem 40 og 50 procent.

Yderligere resultater antydede, at algoritmen også lærte at detektere højre ventilsvagheder fra elektrokardiogrammerne.

I dette tilfælde blev svaghed defineret ved mere beskrivende udtryk hentet fra ekkokardiogramrapporterne.

Her var algoritmen 84 procent nøjagtig til at forudsige, hvilke patienter der havde svage højre ventiler.

"Vores resultater antydede, at denne algoritme i sidste ende kan hjælpe læger med korrekt at diagnosticere fejl på hver side af hjertet," sagde Dr. Vaid.

Endelig antydede yderligere analyse, at algoritmen kan være effektiv til at opdage hjertesvaghed hos alle patienter, uanset race og køn.

"Vores resultater tyder på, at denne algoritme kan være et nyttigt værktøj til at hjælpe klinikere med at bekæmpe hjertesvigt, som mange patienter lider af," tilføjede Dr. Glicksberg. "Vi er i færd med omhyggeligt at designe potentielle forsøg for at teste dets effektivitet i en mere virkelige verden."

Denne undersøgelse blev understøttet af National Institutes of Health (TR001433).

Artikel

Vaid, A., et al., Brug af deep learning -algoritmer til samtidig at identificere dysfunktion i højre og venstre ventrikel fra elektrokardiogrammet, Journal of American College of Cardiology: Cardiovascular Imaging, 13. oktober 2021, DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.

Læs også:

Inflammationer i hjertet: Myokarditis, infektiøs endokarditis og pericarditis

Hjertemurren: hvad det er og hvornår man skal bekymre sig

Knust hjertesyndrom er på vej op: Vi kender Takotsubo kardiomyopati

Kilde:

Mount Sinai