En selvlerende algoritme kan forutsie hjerteinfarkt

En ny kunstig intelligens (KI)-basert datamaskinalgoritme som kan identifisere små endringer i elektrokardiogram (EKG) kan forutsie når en person opplever hjerteinfarkt. Algoritmen ble utviklet ved Mount Sinai-sykehuset, og forskningen ble publisert i Journal of the American College of Cardiology: Cardiovascular Imaging.

Benjamin S. Glicksberg, PhD, er assistentprofessor i genetikk og genomisk vitenskap, medlem av Hasso Plattner Institute for Digital Health at Mount Sinai, og seniorforfatter av studien.

“Vi viste at dyplæringsalgoritmer kan gjenkjenne blodpumpeproblemer på begge sider av hjertet fra EKG-bølgeformdata,” sa Glicksberg. “Vanligvis krever diagnosen av disse typene hjertetilstander dyre og tidskrevende prosedyrer. Vi håper at denne algoritmen vil muliggjøre raskere diagnose av hjerteinfarkt.”

Nye muligheter med KI

Legene har tradisjonelt brukt ekokardiogram, som er en bilde-teknikk, for å vurdere om en pasient opplever hjerteinfarkt. Men disse er arbeidskrevende og tilbys bare på noen sykehus.

KI skaper nye muligheter på dette området, med forskning som viser at elektrokardiogram kan være en effektiv alternativ. Ny forskning har vist at en dyplæringsalgoritme kan detektere svakhet i hjertets venstre ventrikel. Den nye forskningen fra Mount Sinai beskriver utviklingen av en algoritme som vurderer styrken til både venstre og høyre ventrikel.

Girish N. Nadkarni, MD, MPH, CPH, er assosiert professor i medisin ved Icahn School of Medicine at Mount Sinai, sjef for avdelingen for data-drevet og digital medisin (D4M), og seniorforfatter av forskningen.

“Selv om det er tiltrekkende, har det tradisjonelt vært utfordrende for leger å bruke EKG til å diagnostisere hjerteinfarkt. Dette skyldes delvis at det ikke finnes etablerte diagnostiske kriterier for disse vurderingene, og at noen endringer i EKG-utskrifter er for sublime for det menneskelige øye å detektere,” sa Dr. Nadkarni. “Denne studien representerer et spennende skritt fremover i å finne informasjon skjult i EKG-data som kan føre til bedre skjerming og behandlingsparadigmer ved hjelp av en relativt enkel og vidt tilgjengelig test.”

Programmering og testing av maskinen

Forskerne programmerte en datamaskin til å lese pasientens EKG og data fra skrevne rapporter, hvor sistnevnte fungerte som en standard datamengde for datamaskinen å sammenligne med EKG-data. Dette muliggjorde at den kunne identifisere svakere hjertetyper.

Med naturlig språkbehandling (NSB) kunne datamaskinen trekke ut denne data fra skrevne ord. Samtidig kunne neurale nettverk oppdage mønster i bilder, som kunne inkorporeres i algoritmen for å hjelpe den med å gjenkjenne pumpekrefter.

“Vi ønsket å drive fremover kunsten ved å utvikle KI som kan forstå hele hjertet enkelt og billig,” sa Dr. Vaid.

Maskinen analyserte 700 000 EKG og ekokardiogram-rapporter, som kom fra fire forskjellige sykehus. Et femte sykehus ble brukt til å teste hvordan algoritmen ville fungere i en annen eksperimentell setting.

“En potensiell fordel med denne studien er at den omfatter en av de største samlingene av EKG fra en av de mest diverse pasientpopulasjonene i verden,” sa Dr. Nadkarni.

Algoritmen viste en effektiv evne til å forutsie hvilke pasienter som ville ha friske eller svake venstre ventrikler, og den var 94 prosent nøyaktig i å forutsie hvilke pasienter hadde en frisk ejeksjonsfraksjon, som er hvor mye væske ventrikelen pumper ut med hver slag. Algoritmen var også 87 prosent nøyaktig i å forutsie hvilke pasienter som hadde en ejeksjonsfraksjon under 40 prosent.

Et av områdene som fortsatt trenger arbeid, er forutsigelsen av hvilke pasienter som ville ha lett svake hjertetyper. Algoritmen hadde bare en nøyaktighetsrate på 73 prosent i å forutsie pasienter som hadde en ejeksjonsfraksjon mellom 40 og 50 prosent.

Algoritmen kunne også detektere høyre ventrikkel-svakheter fra EKG, med en nøyaktighetsrate på 84 prosent i å forutsie hvilke pasienter som hadde svake høyre ventrikler.

“Våre resultater antyder at denne algoritmen kan hjelpe leger med å korrekt diagnostisere svikt på begge sider av hjertet,” sa Dr. Vaid.

Et annet viktig punkt i denne forskningen var at den antyder at KI kan være effektiv i å detektere hjertesvakheter hos alle pasienter, uavhengig av rase og kjønn.

“Våre resultater antyder at denne algoritmen kan være et nyttig verktøy for å hjelpe kliniske praktikere med å bekjempe hjerteinfarkt hos en rekke pasienter,” la Dr. Glicksberg til. “Vi er i ferd med å designe prospektive studier for å teste ut dens effektivitet i en mer realistisk setting.”