Hjertesvikt og kunstig intelligens: en spesiell kunstig intelligens (AI) -basert datamaskinalgoritme laget av forskere på Mount Sinai, var i stand til å lære å identifisere subtile endringer i elektrokardiogrammer (også kjent som EKG eller EKG) for å forutsi om en pasient opplevde hjertesvikt

Selvlærende algoritmer gjenkjenner hjertesviktproblemer

"Vi viste at dyplæringsalgoritmer kan gjenkjenne blodpumpeproblemer på begge sider av hjertet fra EKG-bølgeformdata," sa Benjamin S. Glicksberg, PhD, assisterende professor i genetikk og genomisk vitenskap, medlem av Hasso Plattner Institute for Digital Health at Mount Sinai, og en seniorforfatter av studien publisert i Journal of the American College of Cardiology: Cardiovascular Imaging.

"Vanligvis krever diagnostisering av denne typen hjertesykdommer dyre og tidkrevende prosedyrer.

Vi håper at denne algoritmen vil muliggjøre raskere diagnose av hjertesvikt."

Studien ble ledet av Akhil Vaid, MD, en postdoktor som jobber i både Glicksberg-labben Girish N. Nadkarni, MD, MPH, CPH, førsteamanuensis i medisin ved Icahn School of Medicine ved Mount Sinai, Chief of Division of Datadrevet og digital medisin (D3M), og en seniorforfatter av studien.

Omkring 6.2 millioner amerikanere, hjertesvikt eller kongestiv hjertesvikt, oppstår når hjertet pumper mindre blod enn kroppen normalt trenger

I årevis har leger vært sterkt avhengig av en bildebehandlingsteknikk kalt et ekkokardiogram for å vurdere om en pasient kan oppleve hjertesvikt.

Selv om det er nyttig, kan ekkokardiogrammer være arbeidskrevende prosedyrer som bare tilbys på utvalgte sykehus.

Imidlertid antyder de siste gjennombruddene innen kunstig intelligens at elektrokardiogrammer - en mye brukt elektrisk registreringsenhet - kan være et raskt og lett tilgjengelig alternativ i disse tilfellene.

For eksempel har mange studier vist hvordan en "dyptlærende" algoritme kan oppdage svakhet i hjertets venstre ventrikkel, som skyver ferskt oksygenert blod ut til resten av kroppen.

I denne studien beskrev forskerne utviklingen av en algoritme som ikke bare vurderte styrken til venstre ventrikkel, men også høyre ventrikkel, som tar deoksygenert blod som strømmer inn fra kroppen og pumper det til lungene.

"Selv om det er attraktivt, har det tradisjonelt vært utfordrende for leger å bruke EKG for å diagnostisere hjertesvikt.

Dette er delvis fordi det ikke er etablerte diagnostiske kriterier for disse vurderingene, og fordi noen endringer i EKG -avlesninger ganske enkelt er for subtile for det menneskelige øyet å oppdage, sier Dr. Nadkarni.

"Denne studien representerer et spennende skritt fremover for å finne informasjon gjemt i EKG -dataene, noe som kan føre til bedre screening og behandlingsparadigmer ved hjelp av en relativt enkel og allment tilgjengelig test."

Et elektrokardiogram innebærer vanligvis en totrinns prosess.

Ledninger blir teipet til forskjellige deler av pasientens bryst, og i løpet av få minutter skriver en spesialdesignet, bærbar maskin ut en rekke krøllete linjer eller bølgeformer som representerer hjertets elektriske aktivitet.

Disse maskinene finnes på de fleste sykehus og ambulanser i hele USA og krever minimal opplæring for å operere.

For denne studien programmerte forskerne en datamaskin for å lese pasientens elektrokardiogram sammen med data hentet fra skriftlige rapporter som oppsummerer resultatene av tilsvarende ekkokardiogram tatt fra de samme pasientene.

I denne situasjonen fungerte de skrevne rapportene som et standard datasett for datamaskinen for å sammenligne med elektrokardiogramdataene og lære å finne svakere hjerter.

EKG -UTSTYR? BESØK ZOLL -STOVEN PÅ NØDSTILLING

Hjertesvikt: programmer for naturlig språkbehandling hjalp datamaskinen med å trekke ut data fra de skrevne rapportene

I mellomtiden ble spesielle nevrale nettverk i stand til å oppdage mønstre i bilder inkorporert for å hjelpe algoritmen til å lære å gjenkjenne pumpestyrker.

"Vi ønsket å presse på topp moderne teknikk ved å utvikle AI som er i stand til å forstå hele hjertet enkelt og rimelig," sa Dr. Vaid.

Datamaskinen leste deretter mer enn 700,000 150,000 elektrokardiogrammer og ekkokardiogramrapporter hentet fra 2003 2020 Mount Sinai Health System -pasienter fra XNUMX til XNUMX.

Data fra fire sykehus ble brukt til å trene datamaskinen, mens data fra en femte ble brukt til å teste hvordan algoritmen ville fungere i en annen eksperimentell setting.

"En potensiell fordel med denne studien er at den involverte en av de største samlingene av EKG fra en av de mest mangfoldige pasientpopulasjonene i verden," sa Dr. Nadkarni.

De første resultatene antydet at algoritmen var effektiv til å forutsi hvilke pasienter som ville ha enten sunne eller svært svake venstre ventrikler.

Her ble styrken definert av utkastningsfraksjon i venstre ventrikkel, et estimat av hvor mye væske ventrikelen pumper ut med hvert slag som observert på ekkokardiogram.

Friske hjerter har en utkastningsfraksjon på 50 prosent eller større, mens svake hjerter har de som er lik eller under 40 prosent.

Algoritmen var 94 prosent nøyaktig ved å forutsi hvilke pasienter som hadde en sunn utkastningsfraksjon og 87 prosent nøyaktig ved å forutsi de som hadde en utkastningsfraksjon som var under 40 prosent.

KARDOPROTEKSJON OG KARDIOPULMONÆR RESUSSITASJON? BESØK EMD112 -STOVEN PÅ NØDSTILLINGEN NÅ FOR Å LÆRE MER

Algoritmen var imidlertid ikke like effektiv til å forutsi hvilke pasienter som ville ha litt svekket hjerte

I dette tilfellet var programmet 73 prosent nøyaktig ved å forutsi pasientene som hadde en utkastningsfraksjon som var mellom 40 og 50 prosent.

Ytterligere resultater antydet at algoritmen også lærte å oppdage svakheter i høyre ventil fra elektrokardiogrammene.

I dette tilfellet ble svakhet definert av mer beskrivende termer hentet fra ekkokardiogramrapportene.

Her var algoritmen 84 prosent nøyaktig for å forutsi hvilke pasienter som hadde svake høyre ventiler.

"Resultatene våre antydet at denne algoritmen til slutt kan hjelpe leger med å diagnostisere feil på hver side av hjertet," sa Dr. Vaid.

Til slutt antydet ytterligere analyse at algoritmen kan være effektiv til å oppdage hjertesvikt hos alle pasienter, uavhengig av rase og kjønn.

"Våre resultater tyder på at denne algoritmen kan være et nyttig verktøy for å hjelpe kliniske utøvere til å bekjempe hjertesvikt som mange pasienter lider av," la Dr. Glicksberg til. "Vi er i ferd med å nøye utforme potensielle forsøk for å teste effektiviteten i en mer virkelige verden."

Denne studien ble støttet av National Institutes of Health (TR001433).

Artikkel

Vaid, A., et al., Ved hjelp av dype læringsalgoritmer for samtidig å identifisere dysfunksjon i høyre og venstre ventrikkel fra elektrokardiogrammet, Journal of American College of Cardiology: Cardiovascular Imaging, 13. oktober 2021, DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.

Les også:

Inflammasjoner i hjertet: Myokarditt, infeksjonsendokarditt og perikarditt

Hjertemurl: Hva det er og når det skal bekymres

Broken Heart Syndrome er på vei oppover: Vi kjenner Takotsubo kardiomyopati

kilde:

Mount Sinai