อัลกอริทึมการเรียนรู้แบบอัตโนมัติสามารถคาดการณ์ความล้มเหลวของหัวใจ

อัลกอริทึมคอมพิวเตอร์ใหม่ที่ใช้ปัญญาประดิษฐ์ (AI) สามารถระบุการเปลี่ยนแปลงที่ละเอียดอ่อนในผลการตรวจคลื่นหัวใจ (ECG) และสามารถคาดการณ์ได้ว่าบุคคลใดที่กำลังประสบกับความล้มเหลวของหัวใจ อัลกอริทึมนี้ถูกพัฒนาที่โรงพยาบาล The Mount Sinai และการวิจัยได้รับการตีพิมพ์ใน Journal of the American College of Cardiology: Cardiovascular Imaging

เบนจามิน เอส. กลิคส์เบิร์ก PhD เป็นรองศาสตราจารย์สาขากรรมพันธุ์และวิทยาศาสตร์เกโนมิกส์ และเป็นสมาชิกของสถาบัน Hasso Plattner สำหรับสุขภาพดิจิทัลที่ Mount Sinai และเป็นหนึ่งในผู้เขียนการศึกษา

“เราแสดงให้เห็นว่าอัลกอริทึมการเรียนรู้แบบลึกสามารถรับรู้ปัญหาในการสูบฉีดเลือดทั้งสองข้างของหัวใจจากข้อมูลคลื่นหัวใจ” กลิคส์เบิร์กกล่าว “โดยปกติ การวินิจฉัยสภาพหัวใจเหล่านี้ต้องใช้กระบวนการที่มีค่าใช้จ่ายสูงและใช้เวลานาน เราหวังว่าอัลกอริทึมนี้จะช่วยให้สามารถวินิจฉัยความล้มเหลวของหัวใจได้เร็วขึ้น”

โอกาสใหม่ๆ กับ AI

แพทย์โดยทั่วไปใช้การตรวจคลื่นหัวใจแบบอัลตราซาวนด์ ซึ่งเป็นเทคนิคการถ่ายภาพ เพื่อประเมินว่าผู้ป่วยมีความล้มเหลวของหัวใจหรือไม่ อย่างไรก็ตาม การตรวจเหล่านี้ต้องใช้แรงงานและใช้เวลา และมีให้บริการเฉพาะในบางโรงพยาบาลเท่านั้น

AI กำลังสร้างโอกาสใหม่ๆ ในด้านนี้ โดยการวิจัยชี้ให้เห็นว่าผลการตรวจคลื่นหัวใจอาจเป็นวิธีการทดแทนที่มีประสิทธิภาพ การวิจัยล่าสุดได้แสดงให้เห็นว่าอัลกอริทึมการเรียนรู้แบบลึกสามารถตรวจจับความอ่อนแอของหัวใจห้องซ้ายได้ การวิจัยใหม่จาก Mount Sinai อธิบายถึงการพัฒนา củaอัลกอริทึมที่ประเมินความแข็งแรงของหัวใจห้องซ้ายและห้องขวา

Girish N. Nadkarni MD, MPH, CPH เป็นรองศาสตราจารย์สาขาแพทยศาสตร์ tại Icahn School of Medicine at Mount Sinai และเป็นหัวหน้าแผนก Data-Driven และ Digital Medicine (D4M) และเป็นหนึ่งในผู้เขียนการศึกษา

“แม้ว่าจะดึงดูดใจ แต่โดยทั่วไปแล้วเป็นเรื่องที่ท้าทายสำหรับแพทย์ในการใช้ผลการตรวจคลื่นหัวใจเพื่อวินิจฉัยความล้มเหลวของหัวใจ ส่วนหนึ่งเป็นเพราะไม่มีเกณฑ์การวินิจฉัยที่กำหนดไว้สำหรับการประเมินเหล่านี้ และเนื่องจากการเปลี่ยนแปลงบางอย่างในผลการตรวจคลื่นหัวใจอาจมีความละเอียดอ่อนเกินไปสำหรับ眼睛มนุษย์” ดร. Nadkarni กล่าว “การศึกษานี้เป็นขั้นตอนสำคัญในการค้นหาข้อมูลที่ซ่อนอยู่ในข้อมูลคลื่นหัวใจ ซึ่งสามารถนำไปสู่การวินิจฉัยและรักษาที่ดีขึ้นโดยใช้การทดสอบที่เรียบง่ายและแพร่หลาย”

การเขียนโปรแกรมและการทดสอบเครื่องจักร

นักวิจัยได้เขียนโปรแกรมคอมพิวเตอร์เพื่ออ่านผลการตรวจคลื่นหัวใจและข้อมูลที่ถูกดึงออกมาจากรายงานที่เขียนด้วยมือ โดยใช้ข้อมูลหลังเป็นชุดข้อมูลมาตรฐานสำหรับคอมพิวเตอร์ในการเปรียบเทียบกับข้อมูลคลื่นหัวใจ ซึ่งช่วยให้สามารถระบุหัวใจที่อ่อนแอได้

ด้วยโปรแกรมการประมวลผลภาษา自然 (NLP) คอมพิวเตอร์สามารถดึงข้อมูลนี้ออกมาจากคำที่เขียนด้วยมือ ในเวลาเดียวกัน เครือข่ายประสาทสามารถค้นหารูปแบบในภาพ ซึ่งสามารถรวมเข้ากับอัลกอริทึมเพื่อช่วยให้สามารถรับรู้ความแข็งแรงในการสูบฉีดได้

“เราต้องการผลักดันสถานะของศิลปะโดยการพัฒนา AI ที่สามารถเข้าใจหัวใจทั้งหมดได้อย่างง่ายดายและไม่มีค่าใช้จ่าย” ดร. Vaid กล่าว

เครื่องจักรวิเคราะห์ผลการตรวจคลื่นหัวใจและรายงานการตรวจคลื่นหัวใจทั้งหมด 700,000 รายการ ซึ่งมาจากโรงพยาบาลสี่แห่ง โรงพยาบาลแห่งที่ห้าถูกใช้เพื่อทดสอบว่าอัลกอริทึมจะทำงานอย่างไรในสถานการณ์ทดลองที่แตกต่างกัน

“ข้อได้เปรียบของการศึกษานี้คือมันเกี่ยวข้องกับหนึ่งในคอลเลกชันที่ใหญ่ที่สุดของผลการตรวจคลื่นหัวใจจากประชากรผู้ป่วยที่หลากหลายที่สุดในโลก” ดร. Nadkarni กล่าว

อัลกอริทึมแสดงให้เห็นถึงความสามารถที่มีประสิทธิภาพในการคาดการณ์ว่าผู้ป่วยใดจะมีหัวใจห้องซ้ายที่แข็งแรงหรืออ่อนแอ และมีความแม่นยำ 94% ในการคาดการณ์ว่าผู้ป่วยใดมีอัตราการสูบฉีดที่แข็งแรง อัลกอริทึมยังมีความแม่นยำ 87% ในการคาดการณ์ผู้ป่วยที่มีอัตราการสูบฉีดต่ำกว่า 40%

หนึ่งในพื้นที่ที่ยังคงต้องการการทำงานคือการคาดการณ์ว่าผู้ป่วยใดจะมีหัวใจที่อ่อนแอเล็กน้อย อัลกอริทึมมีความแม่นยำเพียง 73% ในการคาดการณ์ผู้ป่วยที่มีอัตราการสูบฉีดระหว่าง 40 ถึง 50%

อัลกอริทึมสามารถตรวจจับความอ่อนแอของหัวใจห้องขวาได้จากผลการตรวจคลื่นหัวใจ โดยมีความแม่นยำ 84% ในการคาดการณ์ผู้ป่วยที่มีหัวใจห้องขวาที่อ่อนแอ

“ผลการวิจัยของเราบ่งชี้ว่าอัลกอริทึมนี้อาจช่วยแพทย์ในการวินิจฉัยความล้มเหลวของหัวใจได้อย่างถูกต้อง” ดร. Vaid กล่าว

จุดสำคัญอีกประการหนึ่งของการศึกษานี้คือมันชี้ให้เห็นว่า AI สามารถตรวจจับความอ่อนแอของหัวใจได้ในผู้ป่วยทุกคน ไม่ว่าจะเป็นเพศหรือเชื้อชาติ

“ผลการวิจัยของเราบ่งชี้ว่าอัลกอริทึมนี้อาจเป็นเครื่องมือที่มีประโยชน์สำหรับผู้ปฏิบัติงานทางคลินิกในการต่อสู้กับความล้มเหลวของหัวใจที่ผู้ป่วยต่างๆ ต้องเผชิญ” ดร. Glicksberg กล่าว “เรากำลังออกแบบการทดลองที่จะทดสอบประสิทธิภาพของมันในสถานการณ์ที่เป็นจริงมากขึ้น”