Сердечная недостаточность и искусственный интеллект: алгоритм самообучения для обнаружения признаков, невидимых на ЭКГ
Сердечная недостаточность и искусственный интеллект: специальный компьютерный алгоритм на основе искусственного интеллекта (ИИ), созданный исследователями Mount Sinai, смог научиться определять тонкие изменения в электрокардиограммах (также известных как ЭКГ или ЭКГ), чтобы предсказать, есть ли у пациента сердечная недостаточность.
Алгоритмы самообучения распознают проблемы с сердечной недостаточностью
«Мы показали, что алгоритмы глубокого обучения могут распознавать проблемы с перекачкой крови на обеих сторонах сердца по данным кривой ЭКГ», - сказал Бенджамин С. Гликсберг, доктор философии, доцент кафедры генетики и геномных наук, член Института цифровых технологий Хассо Платтнера. Health at Mount Sinai, и старший автор исследования, опубликованного в Журнале Американского колледжа кардиологии: сердечно-сосудистые изображения.
«Обычно для диагностики этого типа сердечных заболеваний требуются дорогостоящие и трудоемкие процедуры.
Мы надеемся, что этот алгоритм позволит быстрее диагностировать сердечную недостаточность ».
Исследование возглавил Ахил Вайд, доктор медицины, научный сотрудник, работающий в лаборатории Гликсберга, Гириш Н. Надкарни, доктор медицины, магистр здравоохранения, CPH, адъюнкт-профессор медицины в Медицинской школе Икана на горе Синай, начальник отдела Управляемая данными и цифровая медицина (D3M), а также старший автор исследования.
У примерно 6.2 миллиона американцев сердечная недостаточность или застойная сердечная недостаточность возникает, когда сердце перекачивает меньше крови, чем обычно требуется организму.
В течение многих лет врачи в значительной степени полагались на метод визуализации, называемый эхокардиограммой, чтобы оценить, может ли пациент испытывать сердечную недостаточность.
Хотя эхокардиограммы и полезны, они могут быть трудоемкими процедурами, которые предлагаются только в некоторых больницах.
Однако недавние достижения в области искусственного интеллекта позволяют предположить, что электрокардиограммы - широко используемое устройство для записи электрических сигналов - могут быть быстрой и легкодоступной альтернативой в этих случаях.
Например, многие исследования показали, как алгоритм «глубокого обучения» может обнаруживать слабость в левом желудочке сердца, который выталкивает свежую оксигенированную кровь по всему телу.
В этом исследовании исследователи описали разработку алгоритма, который оценивал силу не только левого желудочка, но и правого желудочка, который принимает дезоксигенированную кровь, текущую из организма, и перекачивает ее в легкие.
«Несмотря на свою привлекательность, врачам всегда было сложно использовать ЭКГ для диагностики сердечной недостаточности.
Отчасти это связано с отсутствием установленных диагностических критериев для этих оценок и тем, что некоторые изменения в показаниях ЭКГ слишком незаметны для человеческого глаза », - сказал д-р Надкарни.
«Это исследование представляет собой захватывающий шаг вперед в поиске информации, скрытой в данных ЭКГ, которая может привести к улучшению парадигм скрининга и лечения с использованием относительно простого и широко доступного теста».
Обычно электрокардиограмма состоит из двух этапов.
Проволочные отводы прикрепляются к различным частям груди пациента, и в течение нескольких минут специально разработанный портативный аппарат распечатывает серию волнистых линий или кривых, отображающих электрическую активность сердца.
Эти машины можно найти в большинстве больниц и машины скорой помощи по всей территории Соединенных Штатов и требуют минимального обучения для работы.
Для этого исследования исследователи запрограммировали компьютер для считывания электрокардиограмм пациентов вместе с данными, извлеченными из письменных отчетов, обобщающих результаты соответствующих эхокардиограмм, полученных от тех же пациентов.
В этой ситуации письменные отчеты служили стандартным набором данных для компьютера, чтобы сравнить их с данными электрокардиограммы и научиться определять более слабое сердце.
ЭКГ ОБОРУДОВАНИЕ? ПОСЕТИТЕ СТЕНД ZOLL НА EMERGENCY EXPO
Сердечная недостаточность: программы обработки естественного языка помогли компьютеру извлекать данные из письменных отчетов
Тем временем были включены специальные нейронные сети, способные обнаруживать закономерности на изображениях, чтобы помочь алгоритму научиться распознавать силу накачки.
«Мы хотели продвинуть современные технологии, разработав искусственный интеллект, способный легко и недорого понять все сердце», - сказал д-р Вайд.
Затем компьютер прочитал более 700,000 150,000 электрокардиограмм и отчетов эхокардиограммы, полученных от 2003 2020 пациентов системы здравоохранения Mount Sinai с XNUMX по XNUMX год.
Данные из четырех больниц использовались для обучения компьютера, тогда как данные из пятой больницы использовались для проверки того, как алгоритм будет работать в других экспериментальных условиях.
«Потенциальным преимуществом этого исследования является то, что оно включало одну из самых больших коллекций ЭКГ одной из самых разнообразных групп пациентов в мире», - сказал д-р Надкарни.
Первоначальные результаты показали, что алгоритм был эффективен при прогнозировании, у каких пациентов будет здоровый или очень слабый левый желудочек.
Здесь сила определялась фракцией выброса левого желудочка, оценкой того, сколько жидкости желудочек выкачивает с каждым сокращением, что наблюдается на эхокардиограммах.
У здорового сердца фракция выброса составляет 50 процентов или больше, в то время как у слабого сердца фракция выброса равна или ниже 40 процентов.
Алгоритм был на 94 процента точен при прогнозировании, у каких пациентов была здоровая фракция выброса, и на 87 процентов точен при прогнозировании тех, у кого фракция выброса была ниже 40 процентов.
Однако алгоритм не был столь эффективен при прогнозировании, у каких пациентов могло бы быть немного ослаблено сердце.
В этом случае программа с точностью 73% предсказывала пациентов, у которых фракция выброса составляла от 40 до 50%.
Дальнейшие результаты показали, что алгоритм также научился определять слабые места правого клапана по электрокардиограммам.
В этом случае слабость определялась более описательными терминами, извлеченными из отчетов эхокардиограммы.
Здесь алгоритм был на 84 процента точен при прогнозировании, у каких пациентов были слабые правые клапаны.
«Наши результаты показали, что этот алгоритм может в конечном итоге помочь врачам правильно диагностировать сердечную недостаточность с обеих сторон», - сказал доктор Вайд.
Наконец, дополнительный анализ показал, что алгоритм может быть эффективным при обнаружении сердечной слабости у всех пациентов, независимо от расы и пола.
«Наши результаты показывают, что этот алгоритм может быть полезным инструментом для оказания помощи практикующим врачам в борьбе с сердечной недостаточностью, от которой страдают самые разные пациенты», - добавил д-р Гликсберг. «Мы находимся в процессе тщательного планирования проспективных испытаний, чтобы проверить его эффективность в более реальных условиях».
Это исследование было поддержано Национальным институтом здоровья (TR001433).
Статья
Вайд, А. и др., Использование алгоритмов глубокого обучения для одновременного определения дисфункции правого и левого желудочков по электрокардиограмме, Журнал Американского колледжа кардиологов: сердечно-сосудистая визуализация, 13 октября 2021 г., DOI: 10.1016 / j.jcmg.2021.08.004 .XNUMX.
Читайте также:
Воспаления сердца: миокардит, инфекционный эндокардит и перикардит.
Шумы в сердце: что это такое и когда беспокоиться
Синдром разбитого сердца растет: мы знаем о кардиомиопатии Такоцубо