AI інструмент виявляє важкі серцеві порушення за стандартними ЕКГ

Уінстон-Сейлем, Північна Кароліна. Дослідження, проведене вченими з Університету Вейк Форест, показало, що штучний інтелект (ШІ) може допомогти лікарям виявляти ознаки серцевої недостатності, включаючи тип, який часто пропускають під час звичайного обстеження. Модель ШІ також продемонструвала високі результати, аналізуючи дані з одного електрокардіографічного (ЕКГ) ведучого, подібного до знімків, отриманих за допомогою деяких пристроїв носіння. Хоча модель не тестували на даних, зібраних з носимих пристроїв, ці результати вказують на те, що її можна адаптувати для більш доступного скринінгу.

Серцева недостатність вражає понад 6 мільйонів американців та є однією з основних причин госпіталізацій і смертей. Раннє виявлення має велике значення, однак оцінка функції серця часто вимагає ехокардіограми — спеціалізованого тесту, який може бути не доступний у всіх медичних закладах. ЕКГ з підтримкою ШІ в перспективі може допомогти лікарям виявляти пацієнтів, яким потрібна подальша оцінка.

Дослідження, опубліковане в Жurnal Американської асоціації серця, представляє новий інструмент ШІ, що аналізує дані зі стандартного електрокардіограма (ЕКГ) для допомоги лікарям у виявленні трьох типів серцевих порушень:

• Знижена фракція викиду (rEF) — коли основна камера серця викидає значно менше крові, ніж зазвичай. • Трохи знижена фракція викиду (mEF). • Серцева недостатність з збереженою фракцією викиду (HFpEF) — коли серце викидає нормальну кількість крові, але не заповнюється або не функціонує нормально.

Фракція викиду вимірює відсоток крові, який основна камера серця викидає з кожним ударом. HFpEF особливо важко виявити на ранніх стадіях, і його часто ігнорують під час звичайних клінічних оцінок.

«Це значний крок уперед у тому, як ми можемо використовувати звичайні клінічні інструменти для раннього виявлення серцевої недостатності», — зазначив Огуз Акбілгіч, доктор філософії, провідний автор та професор штучного інтелекту в кафедрі кардіоваскулярної медицини в Університеті Вейк Форест. «Наша модель ШІ може виявляти різні типи серцевих порушень на основі простого ЕКГ з одного ведучого — того ж налаштування, яке використовують багато смарт-годинників і носимих ЕКГ пристроїв — що свідчить про можливість адаптації моделі для скринінгу за допомогою носимих пристроїв».

«Деякі з цих станів можуть прогресувати без помітної симптоматики і часто залишаються непоміченими, поки не стануть більш серйозними», — сказав Акбілгіч. «Наша модель допомагає заповнити цю прогалину, виявляючи електричні патерни в серці, які люди не можуть легко помітити, що дозволяє лікарям вирішити, коли потрібна додаткова оцінка серцевої недостатності».

Вчені розробили модель, використовуючи понад 1 мільйон ЕКГ з Atrium Health Wake Forest Baptist. Потім вони протестували її на окремому наборі з понад 72 тисяч ЕКГ з Університету Теннессі, щоб визначити її ефективність у іншій групі пацієнтів. Модель класифікувала ЕКГ на чотири категорії: rEF, mEF, HFpEF або без порушень.

Команда дослідників протестувала дві версії: одну модель, що використовує 12-канальних ЕКГ, і одну — з одного каналу, подібного до того, що можуть збирати носимі пристрої.

Дослідники вказали на кілька ключових результатів:

• Обидві моделі показали схожі результати. Модель з 12 ведучими була особливо ефективною у розрізненні пацієнтів з рідшою фракцією викиду від тих, у кого її немає. Її результати були дещо нижчими, але все ще потенційно корисними для інших двох форм серцевих порушень. • Модель з одного ведучого показала практично таку ж ефективність, як модель з 12 ведучими, що дозволяє передбачити адаптацію технології для носимих пристроїв. • У дітей модель продемонструвала сильну здатність виявляти знижену фракцію викиду, показавши результати не гірші, ніж у раніше вивчених моделях. Дослідники відзначили, що результати є обнадійливими, хоча група дітей була відносно малою. • Модель добре працювала серед різних демографічних груп.

Команда дослідників зараз випробовує модель в клініці сімейної медицини Atrium Health Wake Forest Baptist, щоб вивчити її продуктивність під час інтеграції в клінічну практику.

«Ми тестуємо інструмент у реальних умовах охорони здоров'я, щоб визначити, чи може він допомогти лікарям виявляти пацієнтів, які потребують додаткової оцінки, і як це може вплинути на лікування та використання ресурсів», — сказав Акбілгіч.

Дослідження частково фінансувалося Національним інститутом серця, легенів та крові Національних інститутів охорони здоров'я.