Itseoppiva algoritmi voi ennustaa sydämen vajaatoimintaa

Uusi tekoälyyn (AI) perustuva tietokonealgoritmi, joka pystyy tunnistamaan hienovaraisia ​​muutoksia EKG:ssä, voi ennustaa, milloin henkilöllä on sydämen vajaatoiminta. Algoritmi kehitettiin Mount Sinai -sairaalassa, ja tutkimus julkaistiin Journal of the American College of Cardiology: Cardiovascular Imaging. 

Benjamin S. Glicksberg, PhD, on genetiikan ja genomitieteiden apulaisprofessori, Hasso Plattner Institute for Digital Health -instituutin jäsen Mount Sinaissa ja tutkimuksen vanhempi kirjoittaja. 

"Osoitimme, että syväoppimisalgoritmit voivat tunnistaa veren pumppausongelmat sydämen molemmilla puolilla EKG-aaltomuototiedoista", sanoi Glicksberg. "Tavallisesti tällaisten sydänsairauksien diagnosointi vaatii kalliita ja aikaa vieviä toimenpiteitä. Toivomme, että tämä algoritmi mahdollistaa sydämen vajaatoiminnan nopeamman diagnosoinnin."

Uusia mahdollisuuksia tekoälyllä

Lääkärit ovat perinteisesti käyttäneet kaikukardiogrammia, joka on kuvantamistekniikka, arvioidakseen, onko potilaalla sydämen vajaatoimintaa. Nämä ovat kuitenkin työvoimavaltaisia ​​ja niitä tarjotaan vain joissakin sairaaloissa. 

Tekoäly luo uusia mahdollisuuksia tässä suhteessa, ja tutkimusten mukaan EKG voisi olla tehokas vaihtoehto. Viimeaikaiset tutkimukset ovat osoittaneet, että syväoppimisalgoritmi voi havaita sydämen vasemman kammion heikkouden. Uusi Siinai-vuoren tutkimus kuvaa algoritmin kehittämistä, joka arvioi sekä vasemman että oikean kammion voimakkuutta. 

Girish N. Nadkarni, MD, MPH, CPH, on lääketieteen apulaisprofessori Icahn School of Medicine -koulussa Mount Sinaissa, tietopohjaisen ja digitaalisen lääketieteen (D4M) osaston päällikkö ja tutkimuksen vanhempi kirjoittaja. 

”Vaikka houkuttelevaa, lääkäreille on perinteisesti ollut haastavaa käyttää EKG:tä sydämen vajaatoiminnan diagnosoimiseen. Tämä johtuu osittain siitä, että näille arvioinneille ei ole olemassa vakiintuneita diagnostisia kriteerejä ja koska jotkut muutokset EKG-lukemissa ovat yksinkertaisesti liian hienovaraisia ​​ihmissilmälle havaittavissa", tohtori Nadkarni sanoi. "Tämä tutkimus edustaa jännittävää askelta eteenpäin EKG-tietoihin piilotetun tiedon löytämisessä, mikä voi johtaa parempiin seulonta- ja hoitoparadigmoihin suhteellisen yksinkertaisen ja laajalti saatavilla olevan testin avulla."

Koneen ohjelmointi ja testaus

Tutkijat ohjelmoivat tietokoneen lukemaan potilaiden EKG:t ja kirjallisista raporteista poimittuja tietoja, joista jälkimmäinen toimi vakiotietosarjana, jota tietokone voi verrata EKG-tietoihin. Tämä mahdollisti sen tunnistamaan heikommat sydämet. 

Luonnollisen kielen käsittelyohjelmilla (NLP) tietokone voisi poimia nämä tiedot kirjoitetuista sanoista. Samaan aikaan hermoverkot voisivat löytää kuvioita kuvista, jotka voitaisiin sitten sisällyttää algoritmiin auttamaan sitä tunnistamaan pumppausvahvuudet. 

"Halusimme edistää uusinta kehitystä kehittämällä tekoälyn, joka kykenee ymmärtämään koko sydämen helposti ja edullisesti", sanoi tohtori Vaid.

Kone analysoi 700,000 XNUMX EKG- ja kaikukuvausraporttia, jotka tulivat neljästä eri sairaalasta. Viidennellä sairaalalla testattiin, kuinka algoritmi toimisi eri kokeellisissa olosuhteissa. 

"Tämän tutkimuksen mahdollinen etu on, että se sisälsi yhden suurimmista EKG -kokoelmista yhdeltä maailman monipuolisimmista potilasryhmistä", sanoi tohtori Nadkarni.

Algoritmi osoitti tehokkaan kyvyn ennustaa, millä potilailla on terve tai heikko vasen kammio, ja se oli 94 prosentin tarkka ennustaessaan, millä potilailla oli terve ejektiofraktio eli kuinka paljon nestettä kammio pumppaa ulos jokaisella lyönnillä. Algoritmi oli myös 87 prosentin tarkka ennustaessaan niitä, joiden poistofraktio oli alle 40 prosenttia. 

Yksi vielä työtä kaipaavista osa-alueista on ennustaminen, millä potilailla sydän on lievästi heikentynyt. Algoritmilla oli vain 73 prosentin tarkkuus ennustettaessa potilaita, joiden ejektiofraktio oli 40-50 prosenttia. 

Algoritmi pystyi havaitsemaan oikeanpuoleiset venttiilin heikkoudet myös EKG:stä, ja se saavutti 84 prosentin tarkkuuden ennustaessaan, millä potilailla oikeanpuoleiset venttiilit olivat heikot. 

"Tuloksemme viittasivat siihen, että tämä algoritmi voi lopulta auttaa lääkäreitä diagnosoimaan vikaa sydämen kummallakin puolella", tohtori Vaid sanoi.

Toinen tämän tutkimuksen tärkeä kohta oli, että se ehdotti, että tekoäly voisi olla tehokas sydämen heikkouden havaitsemisessa kaikilla potilailla rodusta ja sukupuolesta riippumatta. 

"Tuloksemme viittaavat siihen, että tämä algoritmi voisi olla hyödyllinen työkalu auttamaan kliinisiä lääkäreitä torjumaan eri potilaiden sydämen vajaatoimintaa", lisäsi tohtori Glicksberg. "Suunnittelemme parhaillaan tulevia kokeita huolellisesti testataksemme sen tehokkuutta todellisessa ympäristössä."