Исследователи создают, тестируют ИИ для улучшения ЭКГ-теста на гипертрофическую кардиомиопатию

Подход, основанный на искусственном интеллекте (ИИ), может позволить использовать ЭКГ для выявления гипертрофической кардиомиопатии в будущем. При гипертрофической кардиомиопатии стенки сердца становятся толстыми и могут нарушать способность сердца функционировать должным образом. Болезнь также предрасполагает некоторых пациентов к потенциально смертельным аномальным ритмам. Современная технология ЭКГ имеет ограниченный диагностический выход для этого заболевания.

Новые исследования клиники Майо предполагают, что искусственный интеллект нейронной сети может быть обучен обнаружению невидимых характеристик гипертрофическая кардиомиопатия, Стандартный ЭКГ с 12 отведениями — это легко доступный недорогой тест, который можно выполнить во многих условиях, в том числе с ограниченными ресурсами.

гипертрофический кардиомиопатия может быть недостаточно диагностирован, потому что это часто не вызывает симптомов. Пациенты часто не знают, что у них есть, пока они не испытывают осложнений, но ранняя идентификация может быть важной. Гипертрофическая кардиомиопатия является одной из основных причин внезапной смерти у подростков и молодые люди участие в спорте.

Питер Носворти, доктор медицинских наук, кардиолог клиники Майо, предполагает, что ИИ может предложить эффективный и доступный метод ранней диагностики гипертрофической кардиомиопатии с помощью ЭКГ. Доктор Noseworthy является старшим автором недавно опубликованного исследования в Журнал Американского колледжа кардиологов: «Обнаружение гипертрофической кардиомиопатии с использованием сверточной электрокардиограммы с включением нейронной сети».

Исследователи обучили и проверили сверточную нейронную сеть, используя цифровую ЭКГ с 12 отведениями из 2448 пациентов Известно, что у них гипертрофическая кардиомиопатия, и у 51,153 нет, что соответствует контрольной группе по возрасту и полу. Затем они проверили способность ИИ выявлять заболевание у другой группы из 612 пациентов с гипертрофической кардиомиопатией и 12 788 пациентов из контрольной группы.

За диагностические тесты например, эта нейронная сеть, диагностические характеристики измеряются математически через область под кривой рабочих характеристик приемника по шкале, где 0,5 — плохо (бросок монеты), а 1,0 — отлично (идеальный тест). Измерение относится к способности теста правильно идентифицировать пациентов, у которых есть заболевание (чувствительность), и правильно идентифицировать пациентов, у которых нет заболевания (специфичность).

Для сравнения, типичный положительный мазок Папаниколау должен иметь площадь под кривой 0,7, а маммограмма — 0,85. Исследование показало, что способность ИИ определять пациентов с гипертрофической кардиомиопатией из числа тех, у кого она отсутствует, имеет площадь под кривой 0,96 — мощный предиктор.

«Хорошие результаты у пациентов с нормальной ЭКГ впечатляют», — говорит доктор Носворти. «Интересно видеть, что даже нормальная ЭКГ может выглядеть ненормально сверточная нейронная сеть, Это поддерживает концепцию, что эти сети находят шаблоны, которые прячутся на виду ».

Исследование также проверило AI на подгруппах. Площадь под кривой для прогнозирования гипертрофической кардиомиопатии в группе пациентов с диагнозом левый гипертрофия желудочковзаболевание, вызванное высоким кровяным давлением, которое также характеризуется утолщением стенки сердца, составило 0,95. Площадь под кривой в подгруппе с только нормальными ЭКГ также была 0,95. Площадь под кривой для подгруппы пациентов с диагнозом аортальный стеноз (сужение клапана) составила 0,94. Испытание было проведено аналогичным образом в подгруппе пациентов, которые были генетически протестированы и подтвердили наличие патогенных мутаций для этого заболевания.

«Подгруппы важны для понимания того, как применять тест. Приятно видеть, что ИИ хорошо работает, когда ЭКГ в норме, а также когда она ненормальная из-за гипертрофии левого желудочка», — говорит Константинос Сионтис, доктор медицины, резидент-кардиолог. в клинике Майо и соавтор исследования. «Возможно, еще более важным является тот факт, что алгоритм лучше всего показал себя в младшей группе пациентов в нашем исследовании (до 40 лет), что подчеркивает его потенциальную ценность при скрининге молодых людей».

Еще предстоит провести дополнительные исследования, такие как тестирование ИИ на других взрослых популяциях, детях и подростках, чтобы выяснить, где он работает хорошо, а где — нет.

«Это многообещающее подтверждение концепции, но я хотел бы предупредить, что, несмотря на его высокую производительность, любой скрининг-тест на относительно необычное состояние обречен на высокие ложноположительные показатели и низкую положительную прогностическую ценность в общей популяции. лучше понять, какие конкретные группы населения выиграют от этого тестовое задание как инструмент скрининга «, говорит доктор Сионтис.

«Нам также необходимо больше узнать о том, какие специфические признаки гипертрофической кардиомиопатии обнаруживает эта сеть. Мы надеемся узнать, как применять эту технологию для скрининга и ведения пациентов в семьях, затронутых этим заболеванием», — добавляет доктор Носворти.