Az EKG AI algoritmus azonosítja a bal kamra szisztolés diszfunkcióját

Az EKG AI algoritmus azonosítja a bal kamrai szisztolés diszfunkciót

A sürgősségi osztályon (ED) nehézlégzéssel jelentkező betegek bal kamrai (LV) szisztolés diszfunkciója van az AI által elemzett elektrokardiogram alapján.

Demilade Adedinsewo, MD, a floridai jacksonville-i Mayo Klinika szív- és érrendszeri egészségügyi osztályának vezető kutatója elmondta Healionak: "Az AI EKG gyorsabban és pontosabban képes kimutatni a bal kamra szisztolés funkcióját légszomjban szenvedő betegeknél, mint az NT-proBNP. Javítsa és felgyorsítsa a sürgősségi osztály diagnózisát, és egyedülálló lehetőséget biztosítson a magas kockázatú szívbetegek korábbi azonosítására, valamint a betegek megfelelő szív- és érrendszeri ellátáshoz való kapcsolására."

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) 2018 májusa és 2019 között. Légzési nehézség 2 hónapon keresztül. Ezeknek a betegeknek legalább egy EKG-ja volt 24 órán belül és 30 napon belül az orvosi vizsgálatot követően. A korábban diagnosztizált szisztolés, diasztolés vagy megmagyarázhatatlan szívelégtelenségben szenvedőket kizárták.

Ennek a vizsgálatnak az elsődleges eredménye az volt, hogy az ED-látogatás után 30 napon belül új betegeket azonosítottak, akiknek bal kamrai szisztolés diszfunkciója van (a definíció szerint a bal kamrai ejekciós frakció legfeljebb 35 százalék). A másodlagos kimenetelnek azokat a betegeket határozták meg, akiknél a bal kamrai ejekciós frakció (LVEF) kevesebb, mint 50 százalék volt a megjelenést követő 30 napon belül. Mindkét eredményt egy mély tanulási hálózat által értékelt EKG-k határozták meg, egy AI-EKG algoritmus, amelyet úgy fejlesztettek ki és validáltak, hogy további optimalizálás vagy képzés nélkül azonosítsák a 35 százalékos vagy annál alacsonyabb LVEF-eket.

Az EKG-ig eltelt medián idő ED vizit után 1 nap volt.

Légszomjban szenvedő sürgősségi betegeknél az új bal kamrai szisztolés diszfunkciót azonosító AI-EKG algoritmus vevőműködési jelleggörbéje alatti terület 0,89 (95 százalékos CI, 0).{{5} }.91). Az algoritmus pontossága 85,9 százalék (95 százalékos CI, 84.{11}}.6), specifitása 87 százalék, érzékenysége 74 százalék, pozitív prediktív értéke 40 százalék, negatív prediktív értéke pedig: 97 százalék.

Az algoritmus képes volt azonosítani azokat a betegeket is, akiknek LVEF értéke 50 százalék alatt volt, és a vevő működési jelleggörbe alatti területe 0,85 (95 százalékos CI, 0.{5}}.88). ) 86 százalékos pontossággal (95 százalékos CI, 84.{10}}.7). Ezzel 91 százalékos specificitást, 63 százalékos érzékenységet, 62 százalékos pozitív prediktív értéket és 92 százalékos negatív prediktív értéket is elértünk.

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 szintek új LV szisztolés diszfunkciót jeleztek, a vevő működési jelleggörbe alatti területe 0,8 (95 százalékos CI, 0.{9}}.84).

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

Adedinsewo hozzátette, hogy a technológiát jelenleg az egész egészségügyi rendszerében használják. Azt mondta Healionak: "Ez az AI-EKG eszköz jelenleg elérhető a Mayo Clinic összes telephelyén, és elérhető az elektronikus orvosi nyilvántartási rendszerünkön keresztül, emellett az eszközt nemrégiben engedélyezte az FDA sürgősségi használatra májusban a megerősített diagnózisok szűrésére, vagy elhagyta. kamrai diszfunkció új koronavírus-gyanús betegeknél."

A betegellátás előmozdításának lehetősége

Egy kapcsolódó vezércikkben Dr. Kazi T. Haq, a Portland állambeli Oregoni Egészségügyi és Tudományos Egyetem Knight Cardiovascular Institute munkatársa és munkatársai a következőket írták: "Összességében Adedinsewo és társai eredményei azt mutatják, hogy – az AI szabványos {{ 0}}Lead-wire EKG javíthatja az újonnan kialakuló szívelégtelenség azonosítását a sürgősségi osztályon nehézlégzéssel küzdő betegeknél. Ez egy olyan stratégia, amely könnyen alkalmazható a klinikai gyakorlatban, és jelentősen javíthatja a betegellátást."