Algorytm EKG AI może zidentyfikować dysfunkcję skurczową lewej komory

Dysfunkcję skurczową lewej komory (LV) stwierdzono u pacjentów, którzy zgłosili się na izbę przyjęć (SOR) z dusznością za pomocą elektrokardiografów analizowanych przez AI.

Główny badacz Demilade Adedinsewo, MD, z Department of Cardiovascular Medicine w Mayo Clinic w Jacksonville na Florydzie, powiedział Healio: „AI EKG może wykryć czynność skurczową lewej komory u pacjentów z tachypnoe szybciej i dokładniej niż NT-proBNP. przyspieszyć diagnozę na oddziale ratunkowym i zapewnić wyjątkową okazję do wcześniejszej identyfikacji pacjentów z wysokim ryzykiem chorób serca i powiązania pacjentów z odpowiednią opieką sercowo-naczyniową”.

Pacjenci z trudnościami w oddychaniu

W badaniu retrospektywnym, opublikowanym w Circulation: Arrhythmias and Electrophysiology, naukowcy przeanalizowali dane od 1606 pacjentów (mediana wieku 68 lat; 47 procent kobiet) miało trudności z oddychaniem w okresie od maja 2018 r. do lutego 2019 r. U pacjentów tych wykonano co najmniej jedno EKG w ciągu 24 godzin. i 30 dni ich prezentacji ED. Pacjenci z wcześniejszą diagnozą skurczowej, rozkurczowej lub niewyjaśnionej niewydolności serca zostali wykluczeni.

Głównym wynikiem tego badania było odkrycie nowej dysfunkcji skurczowej LV (zdefiniowanej jako frakcja wyrzutowa lewej komory wynosząca 35 procent lub mniej) u pacjentów w ciągu 30 dni po prezentacji ED. Wtórne wyniki zdefiniowano jako pacjentów, u których frakcja wyrzutowa lewej komory (LVEF) była mniejsza niż 50 procent w ciągu 30 dni od prezentacji. Oba wyniki są określane na podstawie EKG ocenianego przez Deep Learning Network, algorytm AI-EKG, który został opracowany i zatwierdzony w celu identyfikacji LVEF o wartości 35 procent lub niższej bez dodatkowej optymalizacji lub szkolenia.

Mediana czasu do badania EKG po prezentacji ED wyniosła 1 dzień.

U pacjentów z dusznością na oddziale ratunkowym pole pod krzywą charakterystyki działania odbiornika (AUC) algorytmu AI-EKG do identyfikacji nowej dysfunkcji skurczowej lewej komory wynosiło 0, 89 (95% CI, 0 .86-0.91). Dokładność algorytmu wyniosła 85,9% (95% CI, 841-87,6), swoistość 87%, czułość 74%, dodatnia wartość predykcyjna 40%, a ujemna wartość predykcyjna 97%. .

Algorytm był również w stanie zidentyfikować pacjentów z LVEF poniżej 50 procent, z polem pod krzywą charakterystyki działania odbiornika 0,85(95 procent CI, 0,{5}}). 88) i dokładność 86 procent (95 procent CI, 842-87,7).

Algorytm był również w stanie zidentyfikować pacjentów z LVEF poniżej 50 procent, z polem pod krzywą charakterystyki działania odbiornika 0,85(95 procent CI, 0,{5}}). 88) i dokładność 86 procent (95 procent CI, 842-87,7). Osiągnięto również 91-procentową specyficzność, 63-procentową czułość, 62-procentową pozytywną wartość predykcyjną i 92-procentową negatywną wartość predykcyjną.

Naukowcy ocenili również panel {{0}} pacjentów z dostępnymi wartościami N-końcowego peptydu natriuretycznego typu B. Poziom NT-proBNP większy niż 800 pg/ml wskazywał na nową dysfunkcję skurczową LV, z polem pod krzywą charakterystyki działania odbiornika wynoszącą 0,8 (95% CI, 0,76-0,84 ).

„Obecne badanie było retrospektywne” – powiedział Adedinsewo w wywiadzie. „Potrzebne są badania prospektywne, aby ocenić wpływ AI-EKG na długoterminowe wyniki kliniczne, co jest obecnie oceniane przez nasz zespół badawczy”.

Adedinsewo dodała, że ​​technologia jest obecnie używana w całym jej systemie opieki zdrowotnej. „Narzędzie AI-EKG jest obecnie dostępne we wszystkich ośrodkach Mayo Clinic i jest dostępne za pośrednictwem naszego elektronicznego systemu dokumentacji medycznej” – powiedziała Healio. „Ponadto, w maju FDA przyznała temu narzędziu zezwolenie do użytku w sytuacjach awaryjnych w celu badania przesiewowego pacjentów z potwierdzonym lub podejrzewanym COVID{1}} pod kątem dysfunkcji lewej komory”.

Potencjał do rozwoju opieki nad pacjentem

W towarzyszącym artykule redakcyjnym dr KaziT.Haq z Knight Cardiovascular Institute na Oregon Health and Science University w Portland w stanie Oregon wraz ze współpracownikami piszą: „Ogólnie rzecz biorąc, odkrycia Adedinsewo i wsp. sugerują, że sztuczna inteligencja używająca standardowego {{0} } odprowadzenie EKG poprawia wskaźnik rozpoznawania nowej niewydolności serca u pacjentów z dusznością na oddziale ratunkowym. Jest to strategia łatwa do zastosowania w praktyce klinicznej, która może znacznie poprawić opiekę nad pacjentem”.