자가 학습 알고리즘이 심장 부전을 예측할 수 있다

새로운 인공 지능(AI) 기반 컴퓨터 알고리즘이 심장 부전을 예측할 수 있는 전기 심장図(ECG)의 미세한 변화를 식별할 수 있습니다. 이 알고리즘은 마운트 시나이 병원에서 개발되었으며, 연구는 Journal of the American College of Cardiology: Cardiovascular Imaging에 발표되었습니다.

벤자민 S. 글릭스버그(Benjamin S. Glicksberg) 박사는 유전학 및 게놈 과학 조교수이며, 마운트 시나이의 하소 플라트너 디지털 헬스 연구소의 회원이며, 이 연구의 선임 저자입니다.

“우리는 심장의 양쪽에서 혈액을 펌핑하는 문제를 인식할 수 있는 深層 학습 알고리즘이라고 보여주었습니다. 일반적으로 이러한 유형의 심장 질환을 진단하려면 비싼 시간이 걸리는 절차가 필요합니다. 우리는 이 알고리즘이 심장 부전의 더 빠른 진단을 가능하게 할 수 있기를 바랍니다.”

AI와 새로운 기회

의사들은 전통적으로 심장 부전을 진단하기 위해 음향 심장図를 사용했습니다. 그러나 이러한 방법은 노동 집약적이며 일부 병원에서만 제공됩니다.

AI는 이러한 분야에서 새로운 기회를 창출하고 있습니다. 연구에 따르면 전기 심장図는 효과적인 대안이 될 수 있습니다. 최근 연구에 따르면 深層 학습 알고리즘이 심장의 왼쪽 심실의 약화를 감지할 수 있습니다. 마운트 시나이의 새로운 연구는 왼쪽 심실뿐만 아니라 오른쪽 심실의 강도를 평가하는 알고리즘의 개발을 설명합니다.

기리시 N. 나드카르니(Girish N. Nadkarni) 박사는 마운트 시나이의 이카ーン 의과 대학에서 의학 조교수이며, 데이터 기반 및 디지털 의학 부문의 수석 연구원이며, 이 연구의 선임 저자입니다.

“매력적이지만, 전통적으로 의사들은 심장 부전을 진단하기 위해 전기 심장図를 사용하는 것이 어려웠습니다. 이는 이러한 평가에 대한 확립된 진단 기준이 없기 때문이며, 일부 전기 심장図의 변화는 인간의 눈으로 감지하기에는 너무 미세합니다.” 나드카르니 박사는 말합니다. “이 연구는 심장 부전의 더 나은 스크리닝 및 치료를 위한 정보를 찾는 데 중요한 단계입니다.”

기계의 프로그래밍 및 테스트

연구자들은 컴퓨터를 프로그래밍하여 환자의 전기 심장図와 서면 보고서에서 추출한 데이터를 읽을 수 있도록 했습니다. 이는 약한 심장을 식별하는 데 도움이 되었습니다.

자연어 처리 프로그램을 사용하여 컴퓨터는 이러한 데이터를 서면 단어에서 추출할 수 있었습니다. 동시에 신경망은 이미지에서 패턴을 발견하여 알고리즘에 통합하여 펌핑 강도를 인식하는 데 도움이 되었습니다.

“우리는 심장 전체를 쉽고 저렴하게 이해할 수 있는 AI를 개발하고자 했습니다.” 배이드 박사는 말합니다.

기계는 4개의 다른 병원에서 온 70만 개의 전기 심장図와 심장 음향 보고서를 분석했습니다. 다섯 번째 병원은 알고리즘이 다른 실험 환경에서 어떻게 작동하는지 테스트하는 데 사용되었습니다.

“이 연구의 잠재적인 장점은 세계에서 가장 다양한 환자 인구 중 하나에서 가장 큰 전기 심장図 컬렉션을 포함한다는 것입니다.” 나드카르니 박사는 말합니다.

알고리즘은 건강한 또는 약한 왼쪽 심실을 예측하는 데 효과적인 능력을 보여주었으며, 건강한 추출 분수(심실이 각 심장 박동으로 펌핑하는 양)를 예측하는 데 94%의 정확도를 보였습니다. 알고리즘은 또한 40% 미만의 추출 분수를 가진 환자를 예측하는 데 87%의 정확도를 보였습니다.

아직 작업이 필요한 분야 중 하나는 약한 심장을 가진 환자를 예측하는 것입니다. 알고리즘은 40%에서 50% 사이의 추출 분수를 가진 환자를 예측하는 데 73%의 정확도만 보였습니다.

알고리즘은 전기 심장図에서 오른쪽 밸브의 약점을 также 감지할 수 있었습니다. 이는 약한 오른쪽 밸브를 가진 환자를 예측하는 데 84%의 정확도를 보였습니다.

“我们的 결과는 이 알고리즘이 심장의 어느 쪽에서도 심장 부전을 올바르게 진단하는 데 도움이 될 수 있음을 시사합니다.” 배이드 박사는 말합니다.

이 연구의 또 다른 주요 점은 이 알고리즘이 모든 환자에게 심장 약화를 감지하는 데 효과적일 수 있음을 시사합니다. 즉, 인종이나 성별과 관계없이 말입니다.

“我们的 결과는 이 알고리즘이 다양한 환자들이 경험하는 심장 부전을 치료하는 데 도움이 될 수 있는 유용한 도구가 될 수 있음을 시사합니다.” 글릭스버그 박사는 말합니다. “우리는 더 실제적인 환경에서 इसक의 효과를 테스트하기 위한 전향적 연구를 신중하게 설계하고 있습니다.”