Itseoppiva algoritmi voi ennustaa sydämen vajaatoimintaa

Uusi tekoälyyn perustuva tietokonealgoritmi, joka pystyy tunnistamaan hienoiset muutokset elektrokardiogrammeissa (ECG), voi ennustaa, kun yksilö kärsii sydämen vajaatoiminnasta. Algoritmi kehitettiin Mount Sinai -sairaalassa, ja tutkimus julkaistiin Journal of the American College of Cardiology: Cardiovascular Imaging -julkaisussa.

Benjamin S. Glicksberg, PhD, on apulaisprofessori genetiikan ja genomitutkimuksen alalla, Hasso Plattner Institute for Digital Health at Mount Sinain jäsen ja tutkimuksen seniorkirjoittaja.

“Osoitimme, että syväoppimisalgoritmit voivat tunnistaa verenvirtaongelmat molemmin puolin sydäntä ECG-aaltojen avulla”, sanoi Glicksberg. “Tavallisesti näiden tyyppisten sydänongelmien diagnosointi vaatii kalliita ja aikaa vieviä menettelyjä. Toivomme, että tämä algoritmi mahdollistaa nopeamman sydämen vajaatoiminnan diagnosoinnin.”

Uudet mahdollisuudet tekoälyllä

Lääkärit ovat perinteisesti käyttäneet sydämen vajaatoiminnan arviointiin ultraniikkaa, joka on kuvantamistekniikka. Kuitenkin nämä ovat työläitä ja tarjolla vain joissain sairaaloissa.

Tekoäly luo uusia mahdollisuuksia tässä suhteessa, ja tutkimukset ovat osoittaneet, että elektrokardiogrammit voivat olla tehokas vaihtoehto. Viimeaikaiset tutkimukset ovat osoittaneet, että syväoppimisalgoritmi voi havaita heikkoutta sydämen vasemmassa kammissa. Mount Sinain tutkimus kuvailee algoritmin kehittämistä, joka arvioi sekä vasemman että oikean kamman voimakkuutta.

Girish N. Nadkarni, MD, MPH, CPH, on lääketieteen apulaisprofessori Icahn School of Medicine at Mount Sinain yliopistossa, Data-Driven and Digital Medicine (D4M) -osaston johtaja ja tutkimuksen seniorkirjoittaja.

“Vaikka se on houkutteleva, on perinteisesti ollut haasteellista lääkäreille käyttää ECG:itä sydämen vajaatoiminnan diagnosointiin. Tämä johtuu osittain siitä, että ei ole vakiintunutta diagnostista kriteeriä näille arvioille, ja joitain ECG-lukemien muutoksia on liian hienoja ihmisen silmälle havaittaviksi”, sanoi Dr. Nadkarni. “Tämä tutkimus edustaa jännittävää askelta eteenpäin piilotetun tiedon löytämiseksi ECG-datasta, mikä voi johtaa parempiin seulontaan ja hoitoon perustuvien paradigmojen kehittämiseen suhteellisen yksinkertaisen ja laajasti saatavilla olevan testin avulla.”

Ohjelmointi ja koneen testaus

Tutkijat ohjelmoivat tietokoneen lukemaan potilaiden ECG-tiedot ja kirjallisten raporttien tiedot, joista jälkimmäinen toimi vertailukohtana tietokoneelle vertailla ECG-tietoja. Tämä mahdollisti heikkien sydänten tunnistamisen.

Luonnollisen kielen prosessointiohjelmilla tietokone pystyi hakemaan nämä tiedot kirjallisista sanoista. Samalla neuroverkkotekniikkaa voitiin käyttää kuvien tunnistamiseen, mikä voitiin sitten sisällyttää algoritmiin auttamaan sen tunnistamaan sydämen pumppaamisen voimakkuuden.

“Halusimme kehittää tekoälyä, joka ymmärtäisi koko sydämen helposti ja edullisesti”, sanoi Dr. Vaid.

Kone analysoi 700 000 ECG:tä ja sydämen ultraniikkakuvia, jotka olivat peräisin neljästä eri sairaalasta. Viides sairaala käytettiin testaamaan, miten algoritmi toimisi erilaisessa kokeellisessa ympäristössä.

“Yksi tämän tutkimuksen potentiaalisista etuoista on, että se käsittää yhden maailman monipuolisimmista potilaspopulaatioiden ECG-kokoelmista”, sanoi Dr. Nadkarni.

Algoritmi osoitti tehokkaan kyvyn ennustaa, mitkä potilaat olisivat terveitä tai heikkoja vasemmassa kammissa, ja se oli 94 prosenttisesti tarkin ennustamaan, mitkä potilaat olisivat terveitä ejection fraction -arvoja, jotka kuvaavat, kuinka paljon nestettä kammi pumpaa jokaisella sykkeellä. Algoritmi oli myös 87 prosenttisesti tarkin ennustamaan ne, joilla oli ejection fraction alle 40 prosentin.

Yksi alue, jossa työtä on vielä tehtävä, liittyy ennustamiseen, mitkä potilaat olisivat lievästi heikentyneitä sydämiä. Algoritmi oli vain 73 prosenttisesti tarkin ennustamaan potilaat, joilla oli ejection fraction 40-50 prosentin välillä.

Algoritmi pystyi myös havaitsemaan oikean venttiilin heikkoudet ECG:istä, ja se saavutti 84 prosentin tarkin ennusteen siitä, mitkä potilaat olisivat heikkoja oikean venttiilin kanssa.

“Tuloksemme viittaa siihen, että tämä algoritmi voi lopulta auttaa lääkäreitä oikein diagnosoimaan sydämen vajaatoiminnan kummallakin puolella”, sanoi Dr. Vaid.

Toinen tärkeä kohta tässä tutkimuksessa oli, että se viittasi siihen, että tekoäly voi olla tehokas sydämen heikkouden havaitsemisessa kaikissa potilaissa, riippumatta rodusta ja sukupuolesta.

“Tuloksemme viittaavat siihen, että tämä algoritmi voi olla hyödyllinen työkalu kliinikoille sydämen vajaatoiminnan torjunnassa monilla potilailla”, lisäsi Dr. Glicksberg. “Olemme huolellisesti suunnittelemassa prospektiivisiä tutkimuksia testataksemme sen tehokkuutta enemmän todellisessa maailmassa.”