Az EKG AI algoritmus képes azonosítani a bal kamra szisztolés diszfunkcióját

Bal kamrai (LV) szisztolés diszfunkciót találtak azoknál a betegeknél, akik nehézlégzéssel jelentkeztek a sürgősségi osztályon (ED) AI-elemzésű elektrokardiográf segítségével.

Demilade Adedinsewo, MD, a Jacksonville-i Mayo Clinic szív- és érrendszeri egészségügyi osztályának vezető kutatója elmondta Healio-nak: "Az AI EKG gyorsabban és pontosabban képes kimutatni a bal kamrai szisztolés funkciót tachypneás betegeknél, mint az NT-proBNP. felgyorsítja a diagnózis felállítását a sürgősségi osztályon, és egyedülálló lehetőséget biztosít a szívbetegség magas kockázatának kitett betegek korai azonosítására, és a betegek megfelelő szív- és érrendszeri ellátáshoz való kapcsolását."

Légzési nehézségekkel küzdő betegek

A Circulation: Arrhythmias and Electrophysiology című folyóiratban megjelent retrospektív tanulmányban a kutatók 1606 beteg adatait elemezték (átlagéletkor: 68 év; a nők 47 százaléka), akiknek légzési nehézségei voltak 2018 májusa és 2019 februárja között. Ezeknél a betegeknél 24 órán belül legalább egy EKG volt. és 30 nappal az ED bemutatójuktól. Azokat a betegeket, akiknél korábban szisztolés, diasztolés vagy megmagyarázhatatlan szívelégtelenség diagnosztizáltak, kizárták.

Ennek a vizsgálatnak az elsődleges eredménye az új bal kamrai szisztolés diszfunkció felfedezése volt (a definíció szerint a bal kamrai ejekciós frakció legfeljebb 35 százalék) a betegeknél az ED megjelenését követő 30 napon belül. A másodlagos kimeneteleket olyan betegekként határozták meg, akiknél a bal kamrai ejekciós frakciót (LVEF) a megjelenést követő 30 napon belül 50 százaléknál kisebbnek találták. Mindkét eredményt a deep Learning Network által kiértékelt EKG határozza meg, egy AI-EKG algoritmus, amelyet a 35 százalékos vagy annál alacsonyabb LVEF-ek azonosítására fejlesztettek ki és validáltak további optimalizálás vagy betanítás nélkül.

Az EKG-vizsgálatig eltelt medián idő az ED megjelenése után 1 nap volt.

A sürgősségi osztályon nehézlégzésben szenvedő betegeknél az új bal kamrai szisztolés diszfunkció azonosítására szolgáló AI-EKG algoritmus vevő működési karakterisztikája (AUC) alatti terület 0,89 (95 százalékos CI, 0) .86-0.91). Az algoritmus pontossága 85,9 százalék (95 százalék CI, 841-87.6), a specificitás 87 százalék, az érzékenység 74 százalék, a pozitív prediktív érték 40 százalék, a negatív prediktív érték 97 százalék volt. .

Az algoritmus képes volt azonosítani azokat a betegeket is, akiknek LVEF-értéke alacsonyabb, mint 50 százalék, és a vevő működési jelleggörbéje alatti területük 0,85 (95 százalékos CI, 0.83-0). 88) és 86 százalékos pontossággal (95 százalékos CI, 842-87,7).

Az algoritmus képes volt azonosítani azokat a betegeket is, akiknek LVEF-értéke alacsonyabb, mint 50 százalék, és a vevő működési jelleggörbéje alatti területük 0,85 (95 százalékos CI, 0.83-0). 88) és 86 százalékos pontossággal (95 százalékos CI, 842-87,7). Ezzel 91 százalékos specificitást, 63 százalékos érzékenységet, 62 százalék pozitív prediktív értéket és 92 százalék negatív prediktív értéket is elért.

A kutatók egy olyan betegcsoportot is értékeltek, amelyben {{0}} N-terminális B-típusú natriuretikus peptid érték áll rendelkezésre. A 800 pg/ml-nél nagyobb NT-proBNP szint új LV szisztolés diszfunkciót jelez, a vevő működési jelleggörbéje alatti terület 0,8 (95 százalékos CI, 0.{9}}.84). ).

"A jelenlegi tanulmány retrospektív volt" - mondta Adedinsewo egy interjúban. "Prospektív tanulmányokra van szükség az AI-EKG hosszú távú klinikai eredményekre gyakorolt ​​hatásának felméréséhez, amelyet jelenleg kutatócsoportunk értékel."

Adedinsewo hozzátette, hogy a technológiát jelenleg az egész egészségügyi rendszerében használják. "Az AI-EKG eszköz jelenleg a Mayo Clinic összes telephelyén elérhető, és elérhető az elektronikus orvosi nyilvántartási rendszerünkön keresztül" - mondta Healio. "Emellett az eszköz nemrégiben sürgősségi felhasználási engedélyt kapott az FDA-tól májusban, hogy kiszűrje azokat a betegeket, akiknél megerősített vagy gyanított COVID{1}} van a bal kamra diszfunkciója miatt."

A betegellátás előmozdításának lehetősége

A kísérő vezércikkben Dr. KaziT.Haq, a Knight Cardiovascular Institute munkatársa, az Oregoni Egészségügyi és Tudományos Egyetem (Oregon, Oregon, Portland) munkatársa és munkatársai a következőket írják: "Összességében Adedinsewo és társai eredményei arra utalnak, hogy az AI szabványos {{0} Az ólom-EKG javítja az új szívelégtelenség felismerési arányát a sürgősségi osztályon nehézlégzéssel küzdő betegeknél. Ez egy olyan stratégia, amely könnyen alkalmazható a klinikai gyakorlatban, és jelentősen javíthatja a betegellátást."