אלגוריתם למידה עצמית יכול לחזות אי ספיקת לב

אלגוריתם מחשב חדש מבוסס בינה מלאכותית (AI) המסוגל לזהות שינויים עדינים באלקטרוקרדיוגרמות (ECG) יכול לחזות מתי אדם חווה אי ספיקת לב. האלגוריתם פותח בבית החולים הר סיני, והמחקר פורסם ב- כתב העת של הקולג' האמריקאי לקרדיולוגיה: הדמיה קרדיווסקולרית. 

בנימין ס. גליקסברג, דוקטורט, הוא פרופסור עוזר לגנטיקה ומדעי הגנום, חבר במכון האסו פלטנר לבריאות דיגיטלית בהר סיני, ומחבר בכיר של המחקר. 

"הראינו שאלגוריתמים של למידה עמוקה יכולים לזהות בעיות שאיבת דם משני צידי הלב מנתוני גל אק"ג", אמר גליקסברג. "בדרך כלל, אבחון מחלות לב מסוג זה דורש הליכים יקרים וגוזלים זמן. אנו מקווים שהאלגוריתם הזה יאפשר אבחון מהיר יותר של אי ספיקת לב".

הזדמנויות חדשות עם AI

רופאים השתמשו באופן מסורתי בבדיקת אקו לב, שהיא טכניקת הדמיה, כדי להעריך אם מטופל חווה אי ספיקת לב. עם זאת, אלה הם עתירי עבודה ומוצעים רק בחלק מבתי החולים. 

בינה מלאכותית יוצרת הזדמנויות חדשות בהקשר זה, כאשר מחקרים מראים כי אלקטרוקרדיוגרמות עשויות להיות אלטרנטיבה יעילה. מחקרים אחרונים הצביעו על כך שאלגוריתם למידה עמוקה יכול לזהות חולשה בחדר השמאלי של הלב. המחקר החדש של הר סיני מתאר פיתוח של אלגוריתם שמעריך את חוזק החדר השמאלי וגם הימני. 

גיריש נ. נדקרני, MD, MPH, CPH, הוא פרופסור חבר לרפואה בבית הספר לרפואה של Icahn בהר סיני, ראש החטיבה לרפואה מונעת נתונים ודיגיטלית (D4M), ומחבר בכיר של המחקר. 

"למרות שמושך, באופן מסורתי זה היה מאתגר עבור רופאים להשתמש בא.ק.ג כדי לאבחן אי ספיקת לב. זאת, בין היתר, משום שאין קריטריונים אבחנתיים מבוססים להערכות אלה, ומכיוון ששינויים מסוימים בקריאת ה-ECG הם פשוט עדינים מכדי שהעין האנושית תוכל לזהות", אמר ד"ר נדקרני. "מחקר זה מייצג צעד מרגש קדימה במציאת מידע מוסתר בתוך נתוני ה-ECG שיכול להוביל לפרדיגמות סקר וטיפול טובות יותר באמצעות בדיקה פשוטה יחסית וזמינה באופן נרחב."

תכנות ובדיקת המכונה

החוקרים תכנתו מחשב לקרוא א.ק.ג. של מטופלים ונתונים שחולצו מדוחות כתובים, כשהאחרונים משמשים כסט סטנדרטי של נתונים למחשב להשוואה עם נתוני ה-EKG. זה איפשר לו לזהות לבבות חלשים יותר. 

עם תוכניות עיבוד שפה טבעית (NLP), המחשב יכול לחלץ את הנתונים הללו מהמילים הכתובות. במקביל, רשתות עצביות יכלו לגלות דפוסים בתמונות, שאותן ניתן יהיה לשלב באלגוריתם כדי לעזור לו לזהות עוצמות השאיבה. 

"רצינו לדחוף את המצב החדשני על ידי פיתוח AI המסוגל להבין את כל הלב בקלות ובזול", אמר ד"ר וייד.

המכונה ניתחה 700,000 א.ק.ג ודוחות אקו לב, שהגיעו מארבעה בתי חולים שונים. בית חולים חמישי שימש כדי לבדוק את ביצועי האלגוריתם בסביבה ניסויית אחרת. 

"יתרון פוטנציאלי של מחקר זה הוא בכך שהוא כלל את אחד האוספים הגדולים ביותר של א.ק.ג מאחת מאוכלוסיות המטופלים המגוונות ביותר בעולם", אמר ד"ר נדקרני.

האלגוריתם הוכיח יכולת יעילה לחזות לאילו חולים יהיו חדרים שמאליים בריאים או חלשים, והוא היה מדויק ב-94 אחוז בניבוי לאילו חולים יש מקטע פליטה בריא, כלומר כמה נוזל החדר שואב החוצה עם כל פעימה. האלגוריתם היה גם דייק ב-87 אחוז בניבוי מי שהיה להם שבר פליטה מתחת ל-40 אחוז. 

אחד התחומים שעדיין זקוקים לעבודה כרוך בתחזית לאילו חולים יהיו לבבות מוחלשים מעט. לאלגוריתם היה רמת דיוק של 73 אחוז בלבד בניבוי המטופלים עם שבר פליטה בין 40 ל-50 אחוז. 

האלגוריתם יכול לזהות חולשות של המסתם הימני גם מה-ECG, כאשר הוא הגיע לשיעור דיוק של 84 אחוז בניבוי לאילו חולים יש מסתמים ימניים חלשים. 

"התוצאות שלנו הראו שאלגוריתם זה עשוי בסופו של דבר לסייע לרופאים לאבחן נכונה כשל משני צדי הלב", אמר ד"ר וייד.

נקודה מרכזית נוספת במחקר זה הייתה שהוא הציע שה-AI יכול להיות יעיל בזיהוי חולשת לב בכל החולים, ללא קשר לגזע ומין. 

"התוצאות שלנו מצביעות על כך שאלגוריתם זה יכול להיות כלי שימושי לסיוע למטפלים קליניים במאבק באי ספיקת לב שסבלו ממגוון חולים", הוסיף ד"ר גליקסברג. "אנו בעיצומו של עיצוב ניסויים פוטנציאליים בכדי לבדוק את יעילותו בסביבה האמיתית יותר."