Ученые показали, как ИИ может обнаруживать невидимые признаки сердечной недостаточности

Сердце изображение

Ученые смогли обучить ИИ определять тонкие изменения в электрокардиограмме (также известные как ЭКГ или ЭКГ).

Специальный компьютерный алгоритм на основе искусственного интеллекта (AI), созданный исследователями Mount Sinai, может предсказывать, есть ли у пациента сердечная недостаточность.

Результаты работы были опубликованы в Journal of the American College of Cardiology: Cardiovascular Imaging.

«Мы показали, что алгоритмы глубокого обучения могут распознавать проблемы с перекачкой крови на обеих сторонах сердца по данным кривой ЭКГ. Обычно для диагностики этого типа сердечных заболеваний требуются дорогостоящие и трудоемкие процедуры. Мы надеемся, что этот алгоритм позволит быстрее диагностировать сердечную недостаточность », — сказал Бенджамин С. Гликсберг, доктор философии, доцент генетики и геномных наук, член Hasso Plattner Институт цифрового здравоохранения на горе Синай и старший автор исследования.

Исследование возглавил Ахил Вайд, доктор медицинских наук, научный сотрудник, работающий в лаборатории Гликксберга, и один из них, возглавляемый Гиришем Н. Надкарни, доктором медицины, магистром здравоохранения, CPH, адъюнкт-профессором медицины в Медицинской школе Икана на горе Синай, главой из отдела управляемой данными и цифровой медицины (D3M) и старшим автором исследования.

У примерно 6,2 миллиона американцев сердечная недостаточность или застойная сердечная недостаточность возникает, когда сердце перекачивает меньше крови, чем обычно требуется организму. В течение многих лет врачи в значительной степени полагались на метод визуализации, называемый эхокардиограммой, чтобы оценить, может ли пациент испытывать сердечную недостаточность. Хотя эхокардиограмма полезна, она может быть трудоемкой процедурой, которую предлагают только в некоторых больницах.

Однако недавние достижения в области ИИ позволяют предположить, что электрокардиограммы — широко используемое устройство для записи электрических сигналов — могут быть быстрой и легкодоступной альтернативой в этих случаях. Например, многие исследования показали, как алгоритм «глубокого обучения» может обнаруживать слабость в левом желудочке сердца, который выталкивает свежую оксигенированную кровь по всему телу. В этом исследовании исследователи описали разработку алгоритма, который оценивал силу не только левого желудочка, но и правого желудочка, который принимает дезоксигенированную кровь, текущую из организма, и перекачивает ее в легкие.

«Несмотря на привлекательность, для врачей традиционно было сложно использовать ЭКГ для диагностики сердечной недостаточности. Отчасти это объясняется отсутствием установленных диагностических критериев для этих оценок и тем, что некоторые изменения в показаниях ЭКГ просто слишком незаметны для человеческого глаза», -сказал доктор Надкарни.

«Это исследование представляет собой захватывающий шаг вперед в поиске информации, скрытой в данных ЭКГ, которая может привести к улучшению парадигм скрининга и лечения с использованием относительно простого и широко доступного теста», — добавил он.

Для этого исследования исследователи запрограммировали компьютер для считывания электрокардиограмм пациентов вместе с данными, извлеченными из письменных отчетов, обобщающих результаты соответствующих эхокардиограмм, полученных от тех же пациентов. В этой ситуации письменные отчеты выступали в качестве стандартного набора данных для компьютера, чтобы сравнить их с данными электрокардиограммы и научиться определять более слабое сердце.

Программы обработки естественного языка помогли компьютеру извлекать данные из письменных отчетов. Тем временем были включены специальные нейронные сети, способные обнаруживать закономерности на изображениях, чтобы помочь алгоритму научиться распознавать силу накачки.

«Мы хотели продвинуть современные технологии, разработав ИИ, способный легко и недорого понять все сердце», — сказал доктор Вайд.

Затем компьютер считал более 700 000 электрокардиограмм и отчетов эхокардиограммы, полученных от 150 000 пациентов системы здравоохранения Mount Sinai с 2003 по 2020 годы. Данные из четырех больниц использовались для обучения компьютера, тогда как данные из пятой больницы использовались для проверки работы алгоритма в другой экспериментальной обстановке.

«Потенциальным преимуществом этого исследования является то, что оно включало одну из самых больших коллекций ЭКГ одной из самых разнообразных групп пациентов в мире», — сказал доктор Надкарни.

Первоначальные результаты показали, что алгоритм был эффективен при прогнозировании, у каких пациентов будет здоровый или очень слабый левый желудочек. Здесь сила определялась фракцией выброса левого желудочка, оценкой того, сколько жидкости желудочек выкачивает с каждым сокращением, как это наблюдается на эхокардиограммах. У здорового сердца фракция выброса составляет 50% или больше, в то время как у слабого сердца фракция выброса равна или ниже 40%.

Алгоритм был на 94% точен при прогнозировании, у каких пациентов была здоровая фракция выброса, и на 87% точен при прогнозировании тех, у кого фракция выброса была ниже 40%.

Однако алгоритм оказался не столь эффективным при прогнозировании, у кого из пациентов могло бы быть немного ослаблено сердце. В этом случае программа с точностью 73% предсказывала пациентов, у которых фракция выброса составляла от 40% до 50%.

Дальнейшие результаты показали, что алгоритм также научился определять слабые места правого клапана по электрокардиограммам. В этом случае слабость определялась более описательными терминами, извлеченными из отчетов эхокардиограммы. Здесь алгоритм был на 84% точен при прогнозировании, у каких пациентов были слабые правые клапаны.

«Наши результаты показали, что этот алгоритм может в конечном итоге помочь врачам правильно диагностировать сердечную недостаточность с обеих сторон», — сказал доктор Вайд.

Также дополнительный анализ показал, что алгоритм может быть эффективным при обнаружении сердечной слабости у всех пациентов, независимо от расы и пола.

Ранее Курсор писал, что израильские студенты из Техниона разработали алгоритм прогнозирования сердечных заболеваний. Новый алгоритм, разработанный в Технионе аспирантами Шани Биттон и Шейной Гендельман, предсказывает вероятность фибрилляции предсердий в ближайшие 5 лет.

Ранее Курсор писал, что неожиданное открытие может привести к новым методам лечения инсультов и остановки сердца. В неожиданном открытии исследователи из Массачусетской больницы общего профиля (MGH) определили механизм, который защищает мозг от эффектов гипоксии, потенциально летального лишения кислорода.

ИИ используют для точного прогнозирования риска остановки сердца. Искусственный интеллект использует данные о времени и погоде для прогнозирования риска остановки сердца.

Курсор сообщал, что искусственный интеллект расскажет о болезнях сердца по фотографии. Китайские ученые разработали искусственный интеллект, который может определить риск развития заболевания сердца по фотографии человека.

Читайте последние новости Израиля и мира на канале Курсора в Telegram.

Автор материала:
Таня Нати
ТЭГИ: