ШІ виявляє ознаки ФП у безсимптомних пацієнтів
Згідно з новим дослідженням, опублікованим в JAMA Cardiology, просунуті моделі штучного інтелекту (ШІ) можна навчити виявляти аномалії серцевого ритму у пацієнтів ще до того, як вони почнуть проявляти симптоми [1].
Фахівці з Медичного центру Cedars-Sinai, Каліфорнійського та Стенфордського університетів співпрацювали з двома медичними мережами у справах ветеранів у Каліфорнії в рамках дослідження. Метою групи було покращити результати лікування пацієнтів з фібриляцією передсердь (ФП), одним з найпоширеніших порушень серцевого ритму у світі, шляхом якомога більш раннього виявлення захворювання.
Дослідження було зосереджене на даних амбулаторних електрокардіограм (ЕКГ) понад 900 000 американських ветеранів, які проходили лікування в період з 1987 по 2022 рік. Середній вік становив 62,4 роки, і 93,6% з них були чоловіками. У той час як 80% цих ЕКГ були використані для навчання алгоритму, 10% були використані для валідації, а решта 10% були використані для тестування.
Загалом, у 3,1% пацієнтів, які пройшли ЕКГ, протягом наступних 31 днів розвинулася фібриляція передсердь. Група виявила, що їхня модель ШІ здатна точно визначати, у яких пацієнтів з найбільшою ймовірністю розвинеться фібриляція передсердь. Модель досягла площі під ROC-кривою 0,86 і точності 0,78 при тестуванні на даних Veterans Affairs. Потім дослідники випробували її на зовнішньому наборі даних з Медичного центру Cedars-Sinai, і вона досягла площі під ROC-кривою 0,93 і точності 0,87.
“Це дослідження дозволяє краще ідентифікувати приховані захворювання серця і дає інформацію про найкращий спосіб розробити алгоритми, які будуть справедливими і узагальненими для всіх пацієнтів”, – сказав у підготовленій заяві старший автор David Ouyang, доктор медичних наук, кардіолог з Інституту серця Смідта в Cedars-Sinai.
“Це дослідження ветеранів було географічно та етнічно різноманітним, що вказує на те, що застосування цього алгоритму може принести користь широкому загалу населення США”, – додав Sumeet Chugh, доктор медичних наук, кардіолог в Cedars-Sinai і директор підрозділу ШІ в медицині.
Ouyang, перший автор Neal Yuan, доктор медичних наук, і решта авторів дослідження планують продовжити роботу над цим алгоритмом, а також розробити додаткові моделі ШІ для інших цілей.
Посилання на джерела:
- Neal Yuan, MD; Grant Duffy, BS; Sanket S. Dhruva, MD, MHS, et al. Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation. JAMA Cardiol. Published online October 18, 2023.
