AI identifică diverse tipuri de insuficiență cardiacă prin ECG-uri de rutină
Un nou studiu realizat de cercetători de la Wake Forest University School of Medicine a demonstrat că inteligența artificială (AI) poate ajuta medicii să identifice semnele insuficienței cardiace, inclusiv un tip care este adesea omis în îngrijirea de rutină.
Modelul AI a avut o performanță bună folosind date de la un singur derivat ECG, similar cu cele captate de unele dispozitive purtabile. Deși modelul nu a fost testat cu date colectate de la purtabile, descoperirea sugerează că ar putea fi adaptat pentru a sprijini screeningul mai accesibil.
Insuficiența cardiacă afectează mai mult de 6 milioane de americani și este o cauză principală de spitalizare și deces. Detectarea timpurie este esențială, dar evaluarea funcției cardiace necesită adesea un ecocardiogram, un test imagistic specializat care poate să nu fie disponibil în toate unitățile de îngrijire. Un ECG asistat de AI ar putea ajuta medicii să identifice pacienții care ar putea beneficia de o evaluare suplimentară.
Studiul, publicat în Journal of the American Heart Association, introduce un instrument AI inovator care analizează datele de la un electrocardiogram standard pentru a ajuta medicii să identifice trei tipuri de disfuncție cardiacă:
- Insuficiența cardiacă cu fracție de ejecție păstrată (HFpEF), în care inima pompează o proporție normală de sânge, dar nu se umple sau funcționează normal.
Fracția de ejecție măsoară procentul de sânge pe care camera principală de pompare a inimii îl împinge la fiecare bătaie. HFpEF este deosebit de greu de detectat în stadiile incipiente și este adesea trecut cu vederea în evaluările clinice de rutină. „Aceasta este o mare realizare în modul în care putem folosi instrumentele clinice de zi cu zi pentru a descoperi insuficiența cardiacă mai devreme”, a declarat Oguz Akbilgic, Ph.D., autor corespunzător și profesor de inteligență artificială în Departamentul de Medicină Cardiovasculară de la Wake Forest University School of Medicine. „Modelul nostru AI poate detecta diverse tipuri de disfuncție cardiacă doar dintr-un ECG simplu, cu un singur derivat – aceeași configurație de derivat captată de multe ceasuri inteligente și dispozitive ECG purtabile, ceea ce sugerează că modelul ar putea fi adaptat pentru screening pe bază de purtabile.”
„Unele dintre aceste condiții pot progresa fără simptome vizibile și pot fi descoperite doar atunci când devin mai severe”, a adăugat Akbilgic. „Modelul nostru ajută la umplerea acestui gol prin identificarea pattern-urilor electrice în inimă pe care oamenii nu le pot observa cu ușurință, astfel încât medicii să poată decide când este necesară o evaluare suplimentară a insuficienței cardiace.”
Cercetătorii au dezvoltat modelul folosind mai mult de 1 milion de ECG-uri de la Atrium Health Wake Forest Baptist. Acesta a fost apoi testat cu un set separat de peste 72.000 de ECG-uri de la University of Tennessee Health Science Center pentru a determina cât de bine a performat în altă populație de pacienți. Modelul a clasificat ECG-urile în patru categorii: rEF, mEF, HFpEF sau fără disfuncție.
Cercetătorii au testat două versiuni: un model folosind ECG-uri cu 12 derivati și unul folosind un ECG cu un singur derivat, similar cu ceea ce pot colecta dispozitivele purtabile.
Echipa de cercetare a notat următoarele constatări cheie:
- Ambele modele au avut performanțe similare. Modelul cu 12 derivati a fost deosebit de eficient în a distinge pacienții cu fracție de ejecție redusă de cei fără.
- În cazul pacienților pediatrici, modelul a demonstrat o capacitate puternică de a detecta fracția de ejecție redusă, având o performanță comparabilă sau mai bună decât modelele studiate anterior. Cercetătorii au considerat rezultatele încurajatoare, deși grupul pediatric a fost relativ mic.
Echipa de cercetare testează acum modelul într-o clinică de medicină de familie de la Atrium Health Wake Forest Baptist pentru a studia cum performează în cadrul îngrijirii clinice.
„Testăm instrumentul într-un mediu real de îngrijire pentru a determina dacă poate ajuta medicii să identifice pacienții care necesită evaluare suplimentară și cum ar putea afecta îngrijirea și utilizarea resurselor”, a declarat Akbilgic.
Studiul a fost parțial finanțat de National Heart, Lung, and Blood Institute din cadrul National Institutes of Health.
