Sydämen vajaatoiminta ja tekoäly: itseoppiva algoritmi havaitsemaan EKG: lle näkymättömiä merkkejä
Sydämen vajaatoiminta ja tekoäly: erityinen tekoälyyn (AI) perustuva tietokonealgoritmi, jonka Siinainvuoren tutkijat ovat luoneet, pystyi oppimaan tunnistamaan pieniä muutoksia elektrokardiogrammeissa (tunnetaan myös nimellä EKG tai EKG) ennustaakseen, onko potilaalla sydämen vajaatoiminta
Itseoppivat algoritmit tunnistavat sydämen vajaatoimintaongelmat
"Osoitimme, että syväoppivat algoritmit voivat tunnistaa veren pumppausongelmat sydämen molemmilla puolilla EKG-aaltomuodon tiedoista", sanoo Benjamin S. Glicksberg, tohtori, apulaisprofessori genetiikasta ja genomitieteistä, Hasso Plattner Institute for Digitalin jäsen Terveys Siinainvuorella ja tutkimuksen vanhempi kirjailija, joka julkaistiin Journal of the American College of Cardiology: Cardiovascular Imaging -lehdessä.
”Tällaisten sydänsairauksien diagnosointi vaatii yleensä kalliita ja aikaa vieviä toimenpiteitä.
Toivomme, että tämä algoritmi mahdollistaa nopeamman sydämen vajaatoiminnan diagnosoinnin. ”
Tutkimusta johti akhil Vaid, MD, tohtorintutkija, joka työskentelee sekä Glicksbergin aulatilassa Girish N.Nadkarni, MD, MPH, CPH, lääketieteen apulaisprofessori Icahnin lääketieteen laitoksella Mount Sinai, osastopäällikkö Data-Driven-and Digital Medicine (D3M) ja tutkimuksen vanhempi kirjoittaja.
Sydämen vajaatoiminta tai kongestiivinen sydämen vajaatoiminta vaikuttaa noin 6.2 miljoonaan amerikkalaiseen, kun sydän pumppaa vähemmän verta kuin keho normaalisti tarvitsee
Lääkärit ovat vuosien ajan luottaneet vahvasti kuvantamistekniikkaan, jota kutsutaan ekokardiogrammiksi arvioidakseen, onko potilaalla sydämen vajaatoiminta.
Vaikka ekokardiogrammit ovat hyödyllisiä, ne voivat olla työvoimavaltaisia toimenpiteitä, joita tarjotaan vain tietyissä sairaaloissa.
Viimeaikaiset tekoälyn läpimurrot viittaavat kuitenkin siihen, että sähkökardiogrammit - laajalti käytetty sähköinen tallennuslaite - voivat olla nopea ja helposti saatavilla oleva vaihtoehto näissä tapauksissa.
Esimerkiksi monet tutkimukset ovat osoittaneet, kuinka "syväoppiva" algoritmi voi havaita heikkouden sydämen vasemmassa kammiossa, joka työntää juuri happipitoista verta muualle kehoon.
Tässä tutkimuksessa tutkijat kuvasivat sellaisen algoritmin kehittämistä, joka arvioi vasemman kammion voimakkuuden lisäksi myös oikean kammion, joka ottaa hapettoman veren virtauksen kehosta ja pumppaa sen keuhkoihin.
”Vaikka houkutteleva, perinteisesti lääkäreiden on ollut haastavaa käyttää EKG: tä sydämen vajaatoiminnan diagnosointiin.
Tämä johtuu osittain siitä, että näille arvioinneille ei ole vahvistettuja diagnostisia kriteerejä ja koska jotkut muutokset EKG -lukemissa ovat yksinkertaisesti liian hienovaraisia ihmissilmälle havaitakseen ”, tohtori Nadkarni sanoi.
"Tämä tutkimus on jännittävä askel eteenpäin EKG -tietoihin piilotetun tiedon löytämisessä, mikä voi johtaa parempaan seulonta- ja hoitomalliin suhteellisen yksinkertaisen ja laajalti saatavilla olevan testin avulla."
Tyypillisesti EKG sisältää kaksivaiheisen prosessin.
Johdot teipataan potilaan rintakehän eri osiin, ja erityissuunniteltu kannettava kone tulostaa muutamassa minuutissa sarjan kiharaisia viivoja tai aaltomuotoja, jotka edustavat sydämen sähköistä toimintaa.
Näitä koneita löytyy useimmista sairaaloista ja sairasautot kaikkialla Yhdysvalloissa ja vaativat minimaalisen koulutuksen toimiakseen.
Tätä tutkimusta varten tutkijat ohjelmoivat tietokoneen lukemaan potilaan elektrokardiogrammit ja tiedot, jotka on otettu kirjallisista raporteista, joissa esitetään yhteenveto samoilta potilailta otettujen vastaavien sydänkardiogrammien tuloksista.
Tässä tilanteessa kirjalliset raportit toimivat tietokoneen vakiotiedostona vertailtavaksi EKG -tietoihin ja oppivat havaitsemaan heikommat sydämet.
EKG -LAITTEET? VIERAILE ZOLL BOOTH HÄTÄ -EXPO
Sydämen vajaatoiminta: luonnollisen kielen käsittelyohjelmat auttoivat tietokonetta poimimaan tietoja kirjallisista raporteista
Samaan aikaan sisällytettiin erityisiä hermoverkkoja, jotka kykenevät havaitsemaan kuvioita kuvista, jotta algoritmi oppisi tunnistamaan pumppauksen vahvuudet.
"Halusimme edistää uusinta kehitystä kehittämällä tekoälyn, joka kykenee ymmärtämään koko sydämen helposti ja edullisesti", sanoi tohtori Vaid.
Tietokone luki sitten yli 700,000 150,000 elektrokardiogrammia ja sydämen ultraäänitutkimusraporttia, jotka oli saatu 2003 2020 Mount Sinai Health System -potilaalta vuosina XNUMX--XNUMX.
Tietojen kouluttamiseen käytettiin neljän sairaalan tietoja, kun taas viidennen sairaalan tietoja testattiin, miten algoritmi toimisi erilaisissa kokeellisissa olosuhteissa.
"Tämän tutkimuksen mahdollinen etu on, että se sisälsi yhden suurimmista EKG -kokoelmista yhdeltä maailman monipuolisimmista potilasryhmistä", sanoi tohtori Nadkarni.
Alkuperäiset tulokset viittaavat siihen, että algoritmi oli tehokas ennustamaan, millä potilailla olisi joko terve tai erittäin heikko vasen kammio.
Tässä voimakkuus määritettiin vasemman kammion ejektiofraktion avulla, joka on arvio siitä, kuinka paljon nestettä kammio pumppaa ulos jokaisen lyönnin aikana, kuten havaittiin ekokardiogrammeissa.
Terveiden sydämien ejektiofraktio on 50 prosenttia tai suurempi, kun taas heikkojen sydämien sydän on 40 prosenttia tai pienempi.
Algoritmi ennusti 94 prosenttia tarkasti, mitkä potilaat saivat terveen ejektiofraktion, ja 87 prosenttia ennusti niitä, joiden ejektiofraktio oli alle 40 prosenttia.
Sydämensuojelu ja sydämen elvytys? TUTUSTU EMD112 BOOTHIN HÄTÄ -EXPOON NYT, LISÄÄ LISÄÄ
Algoritmi ei kuitenkaan ollut yhtä tehokas ennustamaan, joiden potilaiden sydämet olisivat hieman heikentyneet
Tässä tapauksessa ohjelma ennusti 73 prosenttia tarkasti potilaita, joiden ejektiofraktio oli 40–50 prosenttia.
Muut tulokset viittasivat siihen, että algoritmi oppi myös havaitsemaan oikean venttiilin heikkoudet elektrokardiogrammeista.
Tässä tapauksessa heikkous määritettiin syväkardiogrammiraporteista poimituilla kuvaavemmilla termeillä.
Tässä algoritmi oli 84 prosenttia tarkka ennustamaan, joilla potilailla oli heikko oikea venttiili.
"Tuloksemme viittasivat siihen, että tämä algoritmi voi lopulta auttaa lääkäreitä diagnosoimaan vikaa sydämen kummallakin puolella", tohtori Vaid sanoi.
Lopuksi lisäanalyysi ehdotti, että algoritmi voi olla tehokas sydämen heikkouden havaitsemisessa kaikilla potilailla rodusta ja sukupuolesta riippumatta.
"Tuloksemme viittaavat siihen, että tämä algoritmi voisi olla hyödyllinen työkalu auttamaan kliinisiä lääkäreitä torjumaan eri potilaiden sydämen vajaatoimintaa", lisäsi tohtori Glicksberg. "Suunnittelemme parhaillaan tulevia kokeita huolellisesti testataksemme sen tehokkuutta todellisessa ympäristössä."
Tätä tutkimusta tukivat National Institutes of Health (TR001433).
Artikkeli
Vaid, A., et ai., Syväoppimisalgoritmien avulla tunnistamaan samanaikaisesti oikean ja vasemman kammion toimintahäiriö elektrokardiogrammista, Journal of the American College of Cardiology: Cardiovascular Imaging, 13. lokakuuta 2021, DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.
Lue myös:
Sydämen tulehdukset: sydänlihastulehdus, tarttuva endokardiitti ja perikardiitti
Sydänmurut: mitä se on ja milloin on syytä huolestua
Murtuneen sydämen oireyhtymä on nousussa: Tiedämme Takotsubon kardiomyopatian