Selvlærende Algoritme Kan Forudsige Hjertesvigt

En ny kunstig intelligens (AI)-baseret computeralgoritme, der kan identificere subtile ændringer i elektrokardiogrammer (EKG), kan forudsige, når en person oplever hjertesvigt. Algoritmen blev udviklet på The Mount Sinai Hospital, og forskningen blev offentliggjort i Journal of the American College of Cardiology: Cardiovascular Imaging.

Benjamin S. Glicksberg, PhD, er adjunkt i genetik og genomik, medlem af Hasso Plattner Institute for Digital Health at Mount Sinai og seniorforfatter af studiet.

“Vi viste, at deep-learning-algoritmer kan genkende blodpumpningsproblemer på begge sider af hjertet fra EKG-bølgeformdata,” sagde Glicksberg. “Som regel kræver diagnosen af disse hjertetilstande dyre og tidskrævende procedurer. Vi håber, at denne algoritme vil kunne muliggøre en hurtigere diagnose af hjertesvigt.”

Nye Muligheder Med AI

Læger har traditionelt brugt en ekokardiogram, der er en billedteknik, til at vurderer, om en patient oplever hjertesvigt. Men disse er arbejdskrævende og tilbydes kun på visse hospitaler.

AI skaber nye muligheder på dette område, og forskning tyder på, at elektrokardiogrammer kan være en effektiv alternativ. Nylig forskning har vist, at en deep learning-algoritme kan detektere svaghed i hjertets venstre ventrikel. Den nye forskning fra Mount Sinai beskriver udviklingen af en algoritme, der vurderer styrken af både venstre og højre ventrikel.

Girish N. Nadkarni, MD, MPH, CPH, er adjunkt i medicin på Icahn School of Medicine at Mount Sinai, chef for Division of Data-Driven and Digital Medicine (D4M) og seniorforfatter af forskningen.

“Selvom det er tiltrækkende, har det traditionelt været udfordrende for læger at bruge EKG til at diagnostisere hjertesvigt. Dette skyldes dels, at der ikke er etableret diagnostiske kriterier for disse vurderinger, og dels, at nogle ændringer i EKG-læsninger er for subtile for det menneskelige øje at detektere,” sagde Dr. Nadkarni. “Denne studie repræsenterer et spændende skridt fremad i at finde information gemt i EKG-data, der kan føre til bedre screenings- og behandlingsparadigmer ved hjælp af en relativt enkel og vidt udbredt test.”

Programmering Og Test Af Maskinen

Forskerne programmede en computer til at læse patienternes EKG og data, der blev udtrukket fra skrevne rapporter, hvor sidstnævnte fungerede som en standarddataserie, som computeren kunne sammenligne med EKG-data. Dette gjorde det muligt for den at identificere svagere hjerte.

Med naturprogamsprogrmmer (NLP) kunne computeren udtrække disse data fra de skrevne ord. Samtidig kunne neurale netværk opdage mønstre i billeder, der derefter kunne indarbejdes i algoritmen for at hjælpe den med at genkende pumpningsstyrke.

“Vi ville gerne udvikle AI, der kan forstå hele hjertet let og billigt,” sagde Dr. Vaid.

Maskinen analyserede 700.000 EKG og ekokardiogramrapporter, der kom fra fire forskellige hospitaler. Et femte hospital blev brugt til at teste, hvordan algoritmen ville fungere i en anden eksperimentel sammenhæng.

“En potentiel fordel ved denne studie er, at den omfattede en af de største samlinger af EKG fra en af de mest diverse patientpopulationer i verden,” sagde Dr. Nadkarni.

Algoritmen viste sig at være effektiv til at forudsige, hvilke patienter ville have sunde eller svage venstre ventrikler, og den var 94 procent præcis i forhold til at forudsige, hvilke patienter havde en sund ejectionfraktion, der er målet for, hvor meget væske ventriklen pumper ud med hvert slag. Algoritmen var også 87 procent præcis i forhold til at forudsige, hvilke patienter havde en ejectionfraktion under 40 procent.

Et af områderne, der stadig er i behov for arbejde, omfatter forudsigelsen af, hvilke patienter ville have let svækkede hjerte. Algoritmen havde kun en nøjagtighed på 73 procent i forhold til at forudsige patienterne, der havde en ejectionfraktion mellem 40 og 50 procent.

Algoritmen kunne også detektere højre ventrikelsvaghed fra EKG, med en nøjagtighed på 84 procent i forhold til at forudsige, hvilke patienter havde svage højre ventrikler.

“Vores resultater tyder på, at denne algoritme måske kan hjælpe lægerne med at diagnostisere hjertesvigt på begge sider af hjertet,” sagde Dr. Vaid.

Et andet vigtigt punkt i denne forskning var, at den tydede på, at AI kunne være effektiv til at detektere hjertesvaghed hos alle patienter, uanset race og køn.

“Vores resultater tyder på, at denne algoritme kan være et nyttigt værktøj til at hjælpe kliniske praktikere med at bekæmpe hjertesvigt hos en bred vifte af patienter,” tilføjede Dr. Glicksberg. “Vi er i gang med at designe prospektive forsøg for at teste dens effektivitet i en mere realistisk sammenhæng.”