Samoučící algoritmus může předpovědět selhání srdce

Nový algoritmus založený na umělém inteligenci (AI), který je schopen identifikovat jemné změny v elektrokardiogramech (ECG), může předpovědět, kdy jedinec trpí selháním srdce. Algoritmus byl vyvinut v nemocnici Mount Sinai a výzkum byl zveřejněn v Journal of the American College of Cardiology: Cardiovascular Imaging.

Benjamin S. Glicksberg, PhD, je asistent profesora genetiky a genomických věd, člen Hasso Plattner Institute for Digital Health at Mount Sinai a senior autor studie.

“Ukázali jsme, že algoritmy hlubokého učení mohou rozpoznat problémy s čerpáním krve na obou stranách srdce z dat ECG,” řekl Glicksberg. “Obvykle, diagnóza těchto typů srdečních onemocnění vyžaduje drahé a časově náročné postupy. Doufáme, že tento algoritmus umožní rychlejší diagnózu srdečního selhání.”

Nové příležitosti s AI

Lékaři tradičně používají echokardiogram, který je zobrazovací technikou, k posouzení, zda pacient trpí srdečním selháním. Nicméně, tyto postupy jsou časově náročné a nabízejí je pouze některé nemocnice.

AI vytváří nové příležitosti v tomto ohledu, s výzkumem, který naznačuje, že elektrokardiogramy by mohly být účinnou alternativou. Nedávný výzkum ukázal, že algoritmus hlubokého učení může detekovat slabost v levé komoře srdce. Nový výzkum z Mount Sinai popisuje vývoj algoritmu, který hodnotí sílu levé komory, stejně jako pravé.

Girish N. Nadkarni, MD, MPH, CPH, je asistent profesora medicíny na Icahn School of Medicine at Mount Sinai, vedoucí Divize datově řízené a digitální medicíny (D4M) a senior autor výzkumu.

“Ačkoli je to lákavé, tradičně bylo pro lékaře obtížné použít ECG k diagnostice srdečního selhání. To je částečně proto, že neexistují stanovená diagnostická kritéria pro tyto hodnocení a některé změny v ECG jsou prostě příliš jemné pro lidské oko k detekci,” řekl Dr. Nadkarni. “Tato studie představuje vzrušující krok vpřed v nalezení informací skrytých v datech ECG, které mohou vést k lepšímu screeningu a léčebným paradigmatům pomocí relativně jednoduchého a široce dostupného testu.”

Programování a testování stroje

Výzkumníci naprogramovali počítač, aby četl ECG pacientů a data extrahovaná z písemných zpráv, s posledně jmenovanými jako standardní sada dat pro počítač k porovnání s daty ECG. To umožnilo identifikovat slabší srdce.

S programy pro zpracování přirozeného jazyka (NLP) mohl počítač extrahovat tato data z písemných slov. Současně mohly neuronové sítě objevit vzory v obrazech, které mohly být poté začleněny do algoritmu, aby mu pomohly rozpoznat sílu čerpání.

“Chtěli jsme posunout stav umění tím, že vyvineme AI schopné pochopit celé srdce snadno a levně,” řekl Dr. Vaid.

Stroj analyzoval 700 000 ECG a echokardiogramů, které pocházely ze čtyř různých nemocnic. Pátá nemocnice byla použita k testování, jak by algoritmus fungoval v jiném experimentálním prostředí.

“Potenciální výhodou této studie je, že zahrnovala jednu z největších sbírek ECG z jedné z nejvíce rozmanitých pacientských populací na světě,” řekl Dr. Nadkarni.

Algoritmus prokázal účinnou schopnost předpovědět, kteří pacienti budou mít zdravé nebo slabé levé komory, a byl 94 procentně přesný při předpovědi, kteří pacienti měli zdravý ejekční zlomek, což je množství tekutiny, které komora pumpuje s každým tepem. Algoritmus byl také 87 procentně přesný při předpovědi těch, kteří měli ejekční zlomek pod 40 procent.

Jedním z oblastí, které ještě potřebují práci, je předpověď, kteří pacienti budou mít mírně oslabená srdce. Algoritmus měl pouze 73procentní přesnost při předpovědi pacientů, kteří měli ejekční zlomek mezi 40 a 50 procenty.

Algoritmus mohl detekovat slabost pravé ventilové chlopně z ECG, s 84procentní přesností při předpovědi, kteří pacienti měli slabou pravou ventilovou chlopeň.

“Naše výsledky naznačují, že tento algoritmus může nakonec pomoci lékařům správně diagnostikovat selhání na obou stranách srdce,” řekl Dr. Vaid.

Dalším důležitým bodem této studie bylo, že naznačila, že AI může být účinná při detekci srdeční slabosti u všech pacientů, bez ohledu na rasu a pohlaví.

“Naše výsledky naznačují, že tento algoritmus by mohl být užitečným nástrojem pro pomoc klinickým praktikům v boji proti srdečnímu selhání trpěnému různorodými pacienty,” dodal Dr. Glicksberg. “Jsme v procesu pečlivého návrhu prospektivních studií k otestování jeho účinnosti v reálném prostředí.”