Zatajenje srca i umjetna inteligencija: algoritam za samostalno učenje za otkrivanje znakova nevidljivih za EKG
Zatajenje srca i umjetna inteligencija: poseban računalni algoritam na bazi umjetne inteligencije (AI) koji su stvorili istraživači Mount Sinai uspio je naučiti kako prepoznati suptilne promjene u elektrokardiogramima (poznate i kao EKG ili EKG) kako bi predvidio je li pacijent doživio zatajenje srca
Algoritmi samoučenja prepoznaju probleme sa zatajenjem srca
"Pokazali smo da algoritmi dubokog učenja mogu prepoznati probleme s pumpanjem krvi s obje strane srca iz podataka o EKG-u", rekao je dr. Benjamin S. Glicksberg, docent za genetiku i genomske znanosti, član Hasso Plattner Instituta za digitalnu tehnologiju. Health at Mount Sinai, i viši autor studije objavljene u Journal of the American College of Cardiology: Cardiovascular Imaging.
“Uobičajeno, dijagnosticiranje ove vrste srčanih oboljenja zahtijeva skupe i dugotrajne postupke.
Nadamo se da će ovaj algoritam omogućiti bržu dijagnozu zatajenja srca. ”
Studiju je vodio Akhil Vaid, dr. Med., Postdoktorski znanstvenik koji radi u laboratoriju u Glicksbergu Girish N. Nadkarni, dr. Med., MPH, CPH, izvanredni profesor medicine na Medicinskom fakultetu Icahn na Mount Sinai, načelnik Odjela za Data-Driven and Digital Medicine (D3M) i viši autor studije.
Zahvaćajući oko 6.2 milijuna Amerikanaca, zatajenje srca ili kongestivno zatajenje srca, događa se kada srce ispumpa manje krvi nego što je tijelu normalno potrebno
Godinama su se liječnici u velikoj mjeri oslanjali na tehniku snimanja koja se naziva ehokardiogram kako bi procijenili može li pacijent doživjeti zatajenje srca.
Iako su ehokardiogrami korisni, mogu biti naporni postupci koji se nude samo u odabranim bolnicama.
Međutim, nedavni pomaci u umjetnoj inteligenciji sugeriraju da bi elektrokardiogrami - široko korišteni električni uređaj za snimanje - mogli biti brza i lako dostupna alternativa u tim slučajevima.
Na primjer, mnoge su studije pokazale kako algoritam "dubokog učenja" može otkriti slabost u lijevoj komori srca, koja izbacuje svježe oksigeniranu krv do ostatka tijela.
U ovoj su studiji istraživači opisali razvoj algoritma koji ne samo da procjenjuje snagu lijeve klijetke već i desne klijetke, koja uzima deoksigeniranu krv koja struji iz tijela i pumpa je do pluća.
“Iako privlačno, liječnicima je tradicionalno bio izazov koristiti EKG za dijagnosticiranje zatajenja srca.
To je dijelom i zbog toga što ne postoje utvrđeni dijagnostički kriteriji za ove procjene i zato što su neke promjene u očitanjima EKG -a jednostavno previše suptilne da bi ih ljudsko oko moglo otkriti ”, rekao je dr. Nadkarni.
"Ova studija predstavlja uzbudljiv korak naprijed u pronalaženju informacija skrivenih unutar podataka EKG -a koji mogu dovesti do bolje paradigme probira i liječenja pomoću relativno jednostavnog i široko dostupnog testa."
Tipično, elektrokardiogram uključuje postupak u dva koraka.
Žičani vodiči zalijepljeni su na različite dijelove prsa pacijenta i u roku od nekoliko minuta posebno dizajnirani, prijenosni stroj ispisuje niz iskrivljenih linija ili valnih oblika koji predstavljaju električnu aktivnost srca.
Ovi se strojevi mogu pronaći u većini bolnica i hitnu diljem Sjedinjenih Država i zahtijevaju minimalnu obuku za rad.
Za ovu studiju, istraživači su programirali računalo za čitanje elektrokardiograma pacijenata zajedno s podacima izvučenim iz pisanih izvještaja koji sažimaju rezultate odgovarajućih ehokardiograma uzetih od istih pacijenata.
U ovoj situaciji, pisani izvještaji djelovali su kao standardni skup podataka za računalo za usporedbu s podacima na elektrokardiogramu i naučili kako uočiti slabija srca.
EKG OPREMA? POSJETITE ZOLL BOOTH NA HITNOM EXPU
Zatajenje srca: programi za obradu prirodnog jezika pomogli su računalu izvući podatke iz pisanih izvješća
U međuvremenu su ugrađene posebne neuronske mreže sposobne otkriti uzorke na slikama kako bi algoritam naučio prepoznati snage pumpanja.
"Željeli smo potaknuti najnovija dostignuća razvijanjem umjetne inteligencije sposobne razumjeti cijelo srce lako i jeftino", rekao je dr. Vaid.
Računalo je tada pročitalo više od 700,000 elektrokardiograma i izvješća o ehokardiogramu dobivenih od 150,000 pacijenata zdravstvenog sustava Mount Sinai od 2003. do 2020. godine.
Podaci iz četiri bolnice upotrijebljeni su za obuku računala, dok su podaci iz pete bili korišteni za provjeru izvedbe algoritma u različitim eksperimentalnim okruženjima.
"Potencijalna prednost ove studije je ta što je uključivala jednu od najvećih zbirki EKG -a iz jedne od najrazličitijih populacija pacijenata u svijetu", rekao je dr. Nadkarni.
Prvi rezultati sugeriraju da je algoritam bio učinkovit u predviđanju koji će pacijenti imati zdravu ili vrlo slabu lijevu klijetku.
Ovdje je snaga definirana ejekcijskom frakcijom lijeve klijetke, procjenom koliko tekućine ventrikul ispumpava sa svakim otkucajem kako je uočeno na ehokardiogramima.
Zdrava srca imaju udio izbacivanja 50 posto ili veći, dok slaba srca imaju ona koja su jednaka ili manja od 40 posto.
Algoritam je bio 94 posto točan u predviđanju koji su pacijenti imali zdravu frakciju izbacivanja, a 87 posto je bio precizan u predviđanju onih koji su imali frakciju izbacivanja ispod 40 posto.
Međutim, algoritam nije bio tako učinkovit u predviđanju koji bi pacijenti imali blago oslabljeno srce
U ovom slučaju, program je bio 73 posto točan u predviđanju pacijenata koji su imali izbačajnu frakciju između 40 i 50 posto.
Daljnji rezultati sugeriraju da je algoritam također naučio detektirati slabosti desnog ventila pomoću elektrokardiograma.
U ovom slučaju, slabost je definirana više opisnim izrazima izvučenim iz izvješća o ehokardiogramu.
Ovdje je algoritam bio 84 posto točan u predviđanju koji su pacijenti imali slabe desne zaliske.
"Naši rezultati sugeriraju da bi ovaj algoritam na kraju mogao pomoći liječnicima da ispravno dijagnosticiraju zastoj s obje strane srca", rekao je dr. Vaid.
Konačno, dodatna je analiza pokazala da bi algoritam mogao biti učinkovit u otkrivanju srčane slabosti kod svih pacijenata, bez obzira na rasu i spol.
"Naši rezultati sugeriraju da bi ovaj algoritam mogao biti koristan alat za pomoć liječnicima u borbi protiv zatajenja srca koje su patili različiti pacijenti", dodao je dr. Glicksberg. "Trenutno smo u procesu pažljivog osmišljavanja budućih ispitivanja kako bismo provjerili njegovu učinkovitost u stvarnijem okruženju."
Ovo istraživanje podržali su Nacionalni instituti za zdravlje (TR001433).
Članak
Vaid, A., i sur., Korištenje algoritama dubokog učenja za istovremenu identifikaciju disfunkcije desne i lijeve klijetke na elektrokardiogramu, Journal of the American College of Cardiology: Cardiovascular Imaging, 13. listopada 2021., DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.
Čitajte također:
Upale srca: miokarditis, infektivni endokarditis i perikarditis
Srčani šumovi: što je to i kada se treba zabrinuti
Sindrom slomljenog srca je u porastu: znamo takotsubo kardiomiopatiju