ECG-CLIP îmbunătățește detectarea bolilor de inimă cu mai puține date etichetate
Clinicienii utilizează adesea un test medical numit electrocardiogramă (ECG) cu 12 derivații pentru a diagnostica problemele de inimă, prin plasarea unor electrozi pe piept și membre, pentru a înregistra activitatea electrică a inimii.
Instrumentele de inteligență artificială (AI) sunt folosite frecvent pentru a asista în diagnosticarea pe baza ECG-urilor. Totuși, instrumentele actuale necesită în general cantități mari de date de antrenament, etichetate manual cu prezența sau absența unor anumite boli, ceea ce le face mai puțin adaptabile la alte sarcini clinice.
Cercetătorii de la Scripps Research au dezvoltat un nou model AI pentru a îmbunătăți detectarea și predicția diferitelor boli de inimă, care ar putea fi deosebit de utile în medii cu date etichetate limitate sau cu un număr mai mic de derivații ECG disponibile. Publicat în Lancet Digital Health pe 1 septembrie 2026, noul instrument, denumit ECG-CLIP, a fost antrenat folosind peste 1,7 milioane de ECG-uri colectate de la mai mult de 540.000 de persoane, fiind asociat cu notele clinicienilor, ceea ce îi conferă cunoștințe care îl fac mai adaptabil pentru diferite sarcini de detectare și predicție a bolilor în medii clinice reale.
„Algoritmul nostru are nevoie să vadă aproximativ o duzină de ECG-uri confirmate ale unei boli specifice pentru a detecta acea boală în viitor. Acest lucru este similar cu modul în care un clinician ar învăța: nu dintr-un milion de exemple, ci din înțelegerea fiziologiei generale din spatele unui ECG și apoi văzând câteva cazuri specifice”, a declarat Giorgio Quer.
ECG-CLIP este un „model de bază”, un tip de model AI care învață din seturi de date diverse, după care poate fi folosit pentru a îndeplini multe sarcini diferite. Odată ce ECG-CLIP a fost complet antrenat, echipa lui Quer a testat performanța sa în trei sarcini clinice comparativ cu modelele existente. Acestea au inclus două modele de bază supravegheate (un model standard de învățare profundă și un model liniar), un model general de bază (neantrenat pe ECG-uri) și trei modele de bază antrenate pe ECG-uri.
Prima sarcină testată a fost detectarea bolilor de inimă. Au fost selectate trei tipuri de boli: infarct miocardic acut, amiloidoză cardiacă și cardiomiopatie hipertrofică. Cercetătorii au oferit fiecărui model un nou set de date conținând peste 800.000 de ECG-uri și au cerut să identifice care arată semne ale celor trei boli. Folosind o metodă de „suprafață sub curbă (AUC)” – care măsoară cât de bine un model distinge între ECG-uri de la persoane cu și fără o anumită afecțiune – echipa lui Quer a descoperit că ECG-CLIP a performat constant mai bine decât modelele standard în detectarea tuturor celor trei boli.
Echipa a constatat, de asemenea, că în cadrul celor trei sarcini de detectare a bolilor, ECG-CLIP a egalat performanța modelului următor ca performanță, antrenat pe întregul set de date, utilizând în medie cu 91% mai puține date etichetate manual.
Comparativ cu cele trei modele de bază ECG antrenate pe ECG-uri, dar nu și pe notele clinicienilor, ECG-CLIP a avut, de asemenea, o performanță mai bună în medii în care cantitatea de date de antrenament etichetate era limitată (chiar și câteva exemple pozitive ale unei boli date). Diferențele de performanță între ECG-CLIP și celelalte modele au dispărut, de obicei, pe măsură ce numărul de exemple etichetate a crescut.
„Am descoperit că ECG-CLIP a fost mai bun în detectarea și predicția bolilor cardiovasculare, în special în cazurile în care datele erau mult mai puține”, afirmă Quer. „Acest lucru ar putea fi deosebit de util în cazurile de boli rare, unde există doar o duzină sau cam atât de exemple pozitive de ECG-uri bine etichetate care pot fi utilizate pentru antrenarea modelului.”
ECG-CLIP a avut, de asemenea, rezultate bune folosind date ECG cu un singur derivat în testele de detectare a infarctului miocardic acut, ceea ce ar putea fi benefic în medii cu resurse limitate.
A doua sarcină testată a fost predicția bolilor de inimă. Aici, membrii laboratorului lui Quer s-au concentrat pe capacitatea modelelor de a prezice fibrilația atrială – un tip de ritm cardiac neregulat. Au constatat că ECG-CLIP a depășit toate celelalte modele în predicția fibrilației atriale viitoare pe baza ECG-urilor cu 12 derivații care arătau ritmuri cardiace normale.
Sarcina finală a fost predicția rezultatelor adverse de sănătate. ECG-CLIP a demonstrat cea mai bună performanță dintre modelele testate în predicția probabilității de supraviețuire în termen de 30 de zile după o vizită în camera de urgență sau o intervenție chirurgicală, precum și probabilitatea dezvoltării unor boli cronice – în special boala cronică de rinichi și diabetul de tip II – în termen de trei ani.
O problemă comună cu instrumentele AI este că poate fi neclar ce caracteristici specifice ale datelor folosește modelul pentru a lua decizii. Pentru a ajuta la vizualizarea acestui aspect, cercetătorii au generat hărți de saliență. Aceste hărți evidențiază regiunile din cadrul semnalului care contribuie cel mai mult la predicțiile modelului, oferind clinicienilor o imagine mai clară asupra regiunilor ECG pe care s-a bazat modelul. Echipa lui Quer a implementat hărțile de saliență pentru a ajuta la interpretarea rezultatelor ECG-CLIP, ceea ce poate ajuta la construirea încrederii în rândul clinicienilor și să crească probabilitatea de utilizare în clinică.
În continuare, echipa lui Quer își propune să extindă tipul de date disponibile pentru model pentru a îmbunătăți performanța acestuia în medii specifice, cum ar fi camera de urgență. Echipa speră, de asemenea, să evalueze compatibilitatea sa cu diferite tipuri de sisteme de înregistrare ECG, cum ar fi dispozitivele purtabile, unde integrarea ar putea permite, în cele din urmă, monitorizarea continuă și la distanță a bolilor de inimă.
„Deși aceste descoperiri demonstrează un potențial substanțial, este necesară o validare riguroasă în studii clinice prospective pentru a stabili aplicabilitatea ECG-CLIP în medii clinice reale”, afirmă co-autorul studiului Michael Ko.
Acest demers se adaugă unei colecții în expansiune de algoritmi AI dezvoltați de laboratorul lui Quer pentru a depista și diagnostica afecțiunile cardiace. Aceasta include un algoritm dezvoltat în 2024 pentru a diagnostica infarctele și tulburările de ritm la fel de precis atunci când sunt disponibile doar trei din cele 12 derivații ECG; și un alt algoritm din 2023 care poate identifica pacienții cei mai expuși riscului de fibrilație atrială pe baza unui ECG purtat timp de două săptămâni.
„Pentru mine personal, este foarte interesant că putem dezvolta algoritmi cu potențialul de a ajuta cu adevărat clinicienii și cardiologii”, afirmă Quer.
