Szívelégtelenség és mesterséges intelligencia: öntanuló algoritmus az EKG számára láthatatlan jelek észlelésére
Szívelégtelenség és mesterséges intelligencia: a Sinai-hegy kutatói által létrehozott speciális mesterséges intelligencia (AI) alapú számítógépes algoritmus képes volt megtanulni az elektrokardiogramok (más néven EKG vagy EKG) finom változásainak azonosítását annak előrejelzésére, hogy a beteg szívelégtelenségben szenved-e.
Az öntanuló algoritmusok felismerik a szívelégtelenség problémáit
„Megmutattuk, hogy a mélytanuló algoritmusok képesek felismerni a szív szivattyúzásával kapcsolatos problémákat a szív mindkét oldalán az EKG hullámforma adataiból”-mondta Benjamin S. Glicksberg, PhD, genetikai és genomtudományi adjunktus, a Hasso Plattner Institute for Digital tagja Health at Sinai -hegy, és a tanulmány vezető szerzője a Journal of the American College of Cardiology: Cardiovascular Imaging című folyóiratban.
„Általában az ilyen típusú szívbetegségek diagnosztizálása költséges és időigényes eljárásokat igényel.
Reméljük, hogy ez az algoritmus lehetővé teszi a szívelégtelenség gyorsabb diagnosztizálását. ”
A vizsgálatot Akhil Vaid, MD, posztdoktori tudós vezette, aki mind a Glicksberg labby -ban dolgozik. Girish N. Nadkarni, MD, MPH, CPH, a Sinai -hegyi Icahn -i Orvostudományi Egyetem orvostudományi docense, osztályvezetője. Data-Driven and Digital Medicine (D3M), és a tanulmány vezető szerzője.
Körülbelül 6.2 millió amerikai embert érint, szívelégtelenség vagy pangásos szívelégtelenség akkor fordul elő, ha a szív kevesebb vért pumpál, mint amennyire a szervezetnek általában szüksége van
Az orvosok évek óta erősen támaszkodnak az echokardiogramnak nevezett képalkotó technikára annak felmérésére, hogy a beteg szívelégtelenséget tapasztalhat -e.
Bár az echokardiogramok hasznosak, munkaigényes eljárások lehetnek, amelyeket csak bizonyos kórházakban kínálnak.
A mesterséges intelligencia közelmúltbeli áttörései azonban azt sugallják, hogy az elektrokardiogramok - egy széles körben használt elektromos rögzítő eszköz - gyors és könnyen elérhető alternatíva lehet ezekben az esetekben.
Például sok tanulmány kimutatta, hogy egy „mélytanuló” algoritmus képes kimutatni a szív bal kamrájának gyengeségét, ami frissen oxigénnel telített vért tol ki a test többi részébe.
Ebben a tanulmányban a kutatók egy olyan algoritmus kifejlesztését írták le, amely nemcsak a bal, hanem a jobb kamra erejét is felmérte, amely a szervezetből áramló dezoxigenált vért vesz fel, és a tüdőbe pumpálja.
„Bár vonzó, hagyományosan kihívást jelent az orvosok számára EKG -k alkalmazása a szívelégtelenség diagnosztizálására.
Ez részben annak köszönhető, hogy nincsenek megállapított diagnosztikai kritériumok ezekhez az értékelésekhez, és mert az EKG -leolvasások bizonyos változásai egyszerűen túl finomak ahhoz, hogy az emberi szem észlelni tudja őket ” - mondta Dr. Nadkarni.
"Ez a tanulmány izgalmas előrelépést jelent az EKG-adatokban rejtett információk felkutatásában, ami egy viszonylag egyszerű és széles körben elérhető teszt segítségével jobb szűrési és kezelési paradigmákat eredményezhet."
Az elektrokardiogram általában kétlépcsős folyamatot foglal magában.
A vezetékeket a páciens mellkasának különböző részeire ragasztják, és perceken belül egy speciálisan kialakított, hordozható gép kinyomtatja a szív elektromos aktivitását reprezentáló vonalak vagy hullámformák sorozatát.
Ezek a gépek megtalálhatók a legtöbb kórházban és mentőautók az Egyesült Államokban, és működéséhez minimális képzettség szükséges.
Ehhez a tanulmányhoz a kutatók beprogramoztak egy számítógépet a betegek elektrokardiogramjának és az ugyanazon betegekről készült megfelelő echokardiogramok eredményeit összefoglaló írásos jelentésekből kinyert adatok olvasására.
Ebben a helyzetben az írott jelentések szabványos adathalmazként működtek a számítógép számára, hogy összehasonlítsák az elektrokardiogram adatokkal, és megtanulják, hogyan lehet észrevenni a gyengébb szíveket.
EKG BERENDEZÉS? Látogasson el a ZOLL BOOTH -ra a vészhelyzeti expón
Szívelégtelenség: a természetes nyelvet feldolgozó programok segítették a számítógépet az adatok kiolvasásában az írott jelentésekből
Eközben speciális neurális hálózatokat építettek be a képek mintáinak felfedezésére, hogy segítsenek az algoritmusnak megtanulni felismerni a szivattyúzás erősségeit.
„Szerettük volna elérni a technika állását azáltal, hogy kifejlesztettük az AI -t, amely könnyen és olcsón képes megérteni az egész szívet” - mondta Dr. Vaid.
A számítógép ezután több mint 700,000 150,000 elektrokardiogramot és echokardiogram jelentést olvasott ki 2003 2020 Sinai -hegyi egészségügyi rendszerben szenvedő betegtől XNUMX és XNUMX között.
Négy kórház adatait használták a számítógép betanítására, míg az ötödikből származó adatokat annak tesztelésére, hogy az algoritmus hogyan fog működni más kísérleti környezetben.
„Ennek a tanulmánynak az egyik lehetséges előnye, hogy a világ egyik legkülönbözőbb betegpopulációjából származó egyik legnagyobb EKG -gyűjteményt vonta be” - mondta Dr. Nadkarni.
A kezdeti eredmények azt sugallták, hogy az algoritmus hatékonyan megjósolta, hogy melyik betegnek lesz egészséges vagy nagyon gyenge bal kamra.
Itt az erősséget a bal kamra ejekciós frakciója határozta meg, amely becslést ad arról, hogy mennyi folyadékot pumpál ki a kamra minden ütésnél, amint azt az echokardiogramok is megfigyelték.
Az egészséges szívek kilökődési hányada 50 százalék vagy nagyobb, míg a gyenge szíveké 40 százalék vagy az alatti.
Az algoritmus 94 százalékos pontossággal tudta megjósolni, hogy melyik páciens egészséges ejekciós frakcióval rendelkezik, és 87 százalékos pontossággal előre jelezte azokat, akiknek 40 százalék alatti ejekciós frakciója volt.
Az algoritmus azonban nem volt olyan hatékony, hogy megjósolja, melyik páciens szívének legyengül kissé
Ebben az esetben a program 73 százalékos pontossággal jósolta meg azokat a betegeket, akiknek 40 és 50 százalék közötti ejekciós frakciója volt.
További eredmények azt sugallták, hogy az algoritmus megtanulta észlelni a jobb szelep gyengeségeit az elektrokardiogramokból.
Ebben az esetben a gyengeséget az echokardiogram jelentésekből kivont leíróbb kifejezések határozták meg.
Itt az algoritmus 84 százalékos pontossággal tudta megjósolni, hogy melyik betegnek vannak gyenge jobb szelepei.
"Eredményeink azt sugallták, hogy ez az algoritmus végül segíthet az orvosoknak helyesen diagnosztizálni a kudarcot a szív mindkét oldalán" - mondta Dr. Vaid.
Végül egy további elemzés azt sugallta, hogy az algoritmus hatékony lehet a szívgyengeség kimutatásában minden betegnél, fajtól és nemtől függetlenül.
"Eredményeink azt sugallják, hogy ez az algoritmus hasznos eszköz lehet a klinikai szakembereknek abban, hogy segítsenek leküzdeni a különböző betegek által elszenvedett szívelégtelenséget" - tette hozzá Dr. Glicksberg. "Folyamatosan tervezünk prospektív kísérleteket, hogy kipróbáljuk hatékonyságát egy valós környezetben."
Ezt a tanulmányt a Nemzeti Egészségügyi Intézet (TR001433) támogatta.
Cikk
Vaid, A., et al., Mély tanulási algoritmusok segítségével a jobb és bal kamra diszfunkció egyidejű azonosítására elektrokardiogramból, Journal of the American College of Cardiology: Cardiovascular Imaging, 13. október 2021., DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.
Olvassa el még:
A szív gyulladásai: myocarditis, fertőző endocarditis és pericarditis
Szívmormogások: mi ez és mikor kell aggódni?
A törött szív szindróma növekszik: tudjuk, hogy Takotsubo kardiomiopátia