Sirds mazspēja un mākslīgais intelekts: pašmācības algoritms EKG neredzamu pazīmju noteikšanai
Sirds mazspēja un mākslīgais intelekts: īpašs mākslīgā intelekta (AI) datora algoritms, ko izveidoja Sinaja kalna pētnieki, varēja iemācīties noteikt smalkas izmaiņas elektrokardiogrammās (pazīstamas arī kā EKG vai EKG), lai prognozētu, vai pacientam ir sirds mazspēja
Pašmācības algoritmi atpazīst sirds mazspējas problēmas
"Mēs parādījām, ka dziļi apgūstami algoritmi var atpazīt asins sūknēšanas problēmas abās sirds pusēs no EKG viļņu formas datiem," teica Benjamin S. Glicksberg, PhD, ģenētikas un ģenētikas zinātņu asistents, Hasso Plattner Digital institūta loceklis Veselība Sinaja kalnā un pētījuma vecākais autors, kas publicēts Amerikas Kardioloģijas koledžas žurnālā: sirds un asinsvadu attēlveidošana.
“Parasti šāda veida sirds slimību diagnosticēšanai ir vajadzīgas dārgas un laikietilpīgas procedūras.
Mēs ceram, ka šis algoritms ļaus ātrāk diagnosticēt sirds mazspēju. ”
Pētījumu vadīja Akhils Vaids, MD, pēcdoktorantūras zinātnieks, kurš strādā gan Gliksbergas lobijā Girish N. Nadkarni, MD, MPH, CPH, medicīnas asociētais profesors Ikaņas Medicīnas skolā Sinaja kalnā, nodaļas vadītājs Datu vadīta un digitālā medicīna (D3M), kā arī pētījuma vecākais autors.
Ietekmē aptuveni 6.2 miljonus amerikāņu, sirds mazspēja vai sastrēguma sirds mazspēja rodas, ja sirds izsūknē mazāk asiņu nekā ķermenim parasti nepieciešams
Gadiem ilgi ārsti ir lielā mērā paļāvušies uz attēlveidošanas paņēmienu, ko sauc par ehokardiogrammu, lai novērtētu, vai pacientam var būt sirds mazspēja.
Lai gan ehokardiogrammas ir noderīgas, tās var būt darbietilpīgas procedūras, kuras tiek piedāvātas tikai atsevišķās slimnīcās.
Tomēr nesenie sasniegumi mākslīgā intelekta jomā liecina, ka elektrokardiogrammas - plaši izmantota elektriskā ierakstīšanas ierīce - šajos gadījumos varētu būt ātra un viegli pieejama alternatīva.
Piemēram, daudzi pētījumi ir parādījuši, kā “dziļi apgūstams” algoritms var atklāt sirds kreisā kambara vājumu, kas izspiež ar skābekli bagātinātas asinis uz pārējo ķermeni.
Šajā pētījumā pētnieki aprakstīja algoritma izstrādi, kas ne tikai novērtēja kreisā kambara, bet arī labā kambara stiprumu, kas no organisma ieplūst deoksigenētu asiņu plūsmu un sūknē to plaušās.
"Lai gan tas ir pievilcīgi, tradicionāli ārstiem ir bijis grūti izmantot EKG, lai diagnosticētu sirds mazspēju.
Daļēji tas ir tāpēc, ka šiem novērtējumiem nav noteikti diagnostikas kritēriji un dažas izmaiņas EKG rādījumos ir vienkārši pārāk smalkas, lai cilvēka acs to varētu atklāt, ”sacīja Dr Nadkarni.
"Šis pētījums ir aizraujošs solis uz priekšu, lai atrastu informāciju, kas paslēpta EKG datos, un tas var novest pie labākām skrīninga un ārstēšanas paradigmām, izmantojot salīdzinoši vienkāršu un plaši pieejamu testu."
Parasti elektrokardiogramma ietver divpakāpju procesu.
Stieples vadi tiek pielīmēti pie dažādām pacienta krūškurvja daļām, un dažu minūšu laikā speciāli izstrādāta, pārnēsājama mašīna izdrukā virkni līkumainu līniju vai viļņu formu, kas atspoguļo sirds elektrisko aktivitāti.
Šīs mašīnas var atrast lielākajā daļā slimnīcu un ātrās palīdzības automašīnas visā ASV, un to darbībai nepieciešama minimāla apmācība.
Šim pētījumam pētnieki ieprogrammēja datoru, lai nolasītu pacienta elektrokardiogrammas kopā ar datiem, kas iegūti no rakstiskiem ziņojumiem, kuros apkopoti atbilstošo ehokardiogrammu rezultāti, kas ņemti no tiem pašiem pacientiem.
Šādā situācijā rakstiskie ziņojumi darbojās kā standarta datu kopums datoram, lai tos varētu salīdzināt ar elektrokardiogrammas datiem un uzzināt, kā pamanīt vājākas sirdis.
EKG IEKĀRTAS? Apmeklējiet ZOLL BOOTH EXERGENCY EXPO
Sirds mazspēja: dabiskās valodas apstrādes programmas palīdzēja datoram iegūt datus no rakstītajiem ziņojumiem
Tikmēr tika iekļauti īpaši neironu tīkli, kas spēj atklāt attēlu modeļus, lai palīdzētu algoritmam iemācīties atpazīt sūknēšanas stiprās puses.
"Mēs vēlējāmies veicināt jaunākos sasniegumus, izstrādājot AI, kas viegli un lēti izprastu visu sirdi," sacīja Dr Vaids.
Pēc tam dators nolasīja vairāk nekā 700,000 150,000 elektrokardiogrammu un ehokardiogrammu ziņojumu no 2003 2020 Sinaja kalna veselības sistēmas pacientu no XNUMX. līdz XNUMX. gadam.
Datora apmācībai tika izmantoti dati no četrām slimnīcām, savukārt piektās dati tika izmantoti, lai pārbaudītu, kā algoritms darbosies citā eksperimentālā vidē.
"Šī pētījuma iespējamā priekšrocība ir tā, ka tajā bija iekļauta viena no lielākajām EKG kolekcijām no vienas no visdažādākajām pacientu populācijām pasaulē," sacīja Dr Nadkarni.
Sākotnējie rezultāti liecināja, ka algoritms bija efektīvs, lai prognozētu, kuriem pacientiem būs veseli vai ļoti vāji kreisie kambari.
Šeit stiprumu noteica kreisā kambara izsviedes frakcija, kas ir aprēķins par to, cik daudz šķidruma sirds kambaris izsūknē ar katru sitienu, kā novērots ehokardiogrammās.
Veselām sirdīm izsviedes daļa ir 50 procenti vai lielāka, bet vājām sirdīm - 40 procenti vai zemāki.
Algoritms bija 94 procenti precīzs, lai prognozētu, kuriem pacientiem bija veselīga izsviedes frakcija, un 87 procenti precīzi, prognozējot tos, kuriem izsviedes frakcija bija zemāka par 40 procentiem.
Tomēr algoritms nebija tik efektīvs, lai prognozētu, kuriem pacientiem būs nedaudz novājinātas sirdis
Šajā gadījumā programma bija par 73 procentiem precīza, lai prognozētu pacientus, kuriem izsviedes frakcija bija no 40 līdz 50 procentiem.
Turpmākie rezultāti liecināja, ka algoritms arī iemācījās atklāt labo vārstu trūkumus no elektrokardiogrammām.
Šajā gadījumā vājumu noteica vairāk aprakstoši termini, kas iegūti no ehokardiogrammas ziņojumiem.
Šeit algoritms bija 84 procenti precīzs, lai prognozētu, kuriem pacientiem bija vāji labie vārsti.
"Mūsu rezultāti liecināja, ka šis algoritms galu galā var palīdzēt ārstiem pareizi diagnosticēt neveiksmi abās sirds pusēs," sacīja Dr Vaids.
Visbeidzot, papildu analīze liecināja, ka algoritms var būt efektīvs, lai atklātu sirds vājumu visiem pacientiem neatkarīgi no rases un dzimuma.
"Mūsu rezultāti liecina, ka šis algoritms varētu būt noderīgs instruments, lai palīdzētu klīniskajiem praktiķiem cīnīties pret sirds mazspēju, ko cieš dažādi pacienti," piebilda Dr Gliksbergs. "Mēs rūpīgi izstrādājam iespējamos izmēģinājumus, lai pārbaudītu tā efektivitāti reālā vidē."
Šo pētījumu atbalstīja Nacionālie veselības institūti (TR001433).
Raksts
Vaid, A., et al., Izmantojot dziļas mācīšanās algoritmus, lai vienlaicīgi identificētu labās un kreisā kambara disfunkciju no elektrokardiogrammas, Amerikas Kardioloģijas koledžas žurnāls: sirds un asinsvadu attēlveidošana, 13. gada 2021. oktobris, DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.
Lasīt arī:
Sirds iekaisumi: miokardīts, infekciozs endokardīts un perikardīts
Sirds murmina: kas tas ir un kad jāuztraucas
Sadalītas sirds sindroms pieaug: mēs zinām Takotsubo kardiomiopātiju