Un nou model AI detectează respingerea transplantului de inimă fără biopsii
Prin analiza înregistrărilor ritmului cardiac și a testelor de sânge, inteligența artificială poate semnala cu precizie atunci când organismul unui pacient transplantat începe să atace o inimă donată, sugerează un nou studiu.
Standardul actual pentru diagnosticarea respingerii transplantului de inimă este biopsia, o procedură chirurgicală prin care se îndepărtează o mică bucată de mușchi cardiac, care este apoi inspectată la microscop pentru inflamații și alte modificări ce pot indica respingerea organului de către sistemul imunitar.
Conducând cercetarea, specialiștii de la NYU Langone Health au explorat o metodă alternativă: combinarea electrocardiogramelor (EKG), care înregistrează activitatea electrică a inimii prin senzori plasați pe piele, cu teste de sânge, pentru a identifica respingerea fără a necesita o biopsie invazivă în multe cazuri.
Grupul de cercetare a antrenat modele AI pentru a recunoaște tipare în 5.300 de înregistrări EKG realizate pe 2.357 de pacienți adulți care au suferit transplant de inimă. Un model AI a fost antrenat exclusiv pe datele EKG, în timp ce un alt instrument AI a analizat atât citirile EKG, cât și rezultatele a două teste de sânge folosite frecvent pentru a prezice riscul de respingere. Înregistrările biopsiilor corelate cu citirile EKG de la aceiași pacienți au servit ca măsură pentru acuratețea predicțiilor instrumentelor. Într-un grup de testare format din 38 de pacienți transplantați, cercetătorii au descoperit că modelul combinat a avut o performanță mai bună, identificând corect 94% dintre pacienții care nu experimentau respingere. Spre deosebire de acesta, modelul bazat pe teste de sânge a semnalat eronat 19 pacienți ca având nevoie de biopsie. Echipa de cercetare a afirmat că modelul combinat ar fi scutit pacienții de procedură.
„Rezultatele noastre subliniază că electrocardiogramele conțin o abundență de informații fiziologice ce pot fi folosite pentru a îmbunătăți semnificativ acuratețea detectării și a permite un diagnostic și un tratament mai timpurii pentru pacienții cu respingere cardiacă a transplantului”, a declarat Lior Jankelson, MD, PhD, profesor asociat în cadrul Diviziei de Cardiologie Leon H. Charney de la NYU Grossman School of Medicine și profesor asociat de inginerie biomedicală la NYU Tandon School of Engineering.
Lucrări anterioare au arătat că biomarkerii din sânge, care măsoară activitatea genică asociată cu respingerea celulelor și fragmentele de ADN donator în fluxul sanguin al receptorului, sunt eficienți în depistarea respingerii. Totuși, aceștia generează frecvent rezultate fals pozitive, ceea ce duce la biopsii inutile, au subliniat cercetătorii.
Studiul, publicat online pe 25 septembrie în Journal of Heart and Lung Transplantation, este primul care combină acești biomarkeri din sânge cu citirile EKG într-un model AI și compară analiza direct cu rezultatele biopsiilor.
În cadrul studiului, cercetătorii au antrenat modelul AI combinat pe datele EKG împreună cu biomarkerii de la pacienții transplantați între 2018 și 2024, corelând fiecare EKG cu o biopsie efectuată în ultima lună, o fereastră susținută de cercetări anterioare. Respingerile de organ au fost împărțite în două categorii: fără sau cu respingere ușoară, respectiv respingere moderată sau severă. Schimbările de tratament, cum ar fi ajustarea medicamentelor imunosupresoare, sunt de obicei efectuate doar pentru cazurile mai grave.
Transplantul de inimă este o procedură majoră, intensivă în resurse, iar respingerea este comună, dar tratabilă dacă este depistată la timp. Pe baza constatărilor noastre, combinarea disponibilității EKG-urilor cu sprijinul AI poate ajuta la identificarea mai timpurie a respingerii și la salvarea mai multor vieți.
Ca pas următor, cercetătorii intenționează să testeze modelul lor pe un număr mai mare de pacienți în mai multe centre de transplant.
Finanțarea studiului a fost asigurată de NYU Langone.
Alți cercetători de la NYU Langone implicați în studiu au fost Kevin Chen, MD; Robert Ronan, MS; Larry A. Chinitz, MD; și Randal I. Goldberg, MD.
