Новий інструмент ШІ перевершує стандартні підходи до виявлення серцевих нападів

Нова модель машинного навчання використовує показання електрокардіограми (ЕКГ) для діагностики та класифікації серцевих нападів швидше та точніше, ніж поточні підходи, згідно з дослідженням під керівництвом дослідників Університету Пітсбурга, опублікованим у Nature Medicine.

«Коли пацієнт надходить до лікарні з болем у грудях, перше питання, що ми задаємо, це чи є у пацієнта серцевий напад, чи ні. Здається, це має бути зрозуміло, але коли немає чіткої картини на ЕКГ, додаткове обстеження може зайняти до 24 годин», —сказав провідний автор Салах Аль-Заіті, доктор філософії, доцент Школи медсестер Пітта: «Наша модель допомагає розв'язувати цю важливу проблему, покращуючи оцінку ризику, щоб пацієнти могли отримати належну допомогу без зволікань».

Серед піків і спадів на електрокардіограмі клініцисти можуть легко розпізнати чітку картину, яка вказує на найгірший тип серцевого нападу, який називається STEMI. Ці тяжкі епізоди спричинені повною закупоркою коронарної артерії та вимагають негайного втручання для відновлення кровотоку.

Проблема полягає в тому, що майже 2/3 серцевих нападів викликані значним порушенням кровопостачання, але не мають чіткої картини ЕКГ. Новий інструмент допомагає виявити на ЕКГ тонкі ознаки, які важко помітити клініцистам, і покращує класифікацію пацієнтів із болем у грудях.

Модель розроблена співавтором Ервіном Сейдічем, доктором філософії, доцентом кафедри електротехніки та комп’ютерної інженерії імені Едварда С. Роджерса в Університеті Торонто та кафедрою досліджень штучного інтелекту для результатів охорони здоров’я в лікарні Північного Йорка в Торонто, з ЕКГ 4026 пацієнтів із болем у грудях у трьох лікарнях Піттсбурга. Потім модель була перевірена зовні за участю 3287 пацієнтів з іншої лікарняної системи.

Дослідники порівняли свою модель з 3 золотими стандартами для оцінки серцевих подій: інтерпретація ЕКГ досвідченим клініцистом, комерційні алгоритми ЕКГ і оцінка за алгоритмом HEART, яка враховує анамнез при появі (включаючи біль та інші симптоми), інтерпретацію ЕКГ, вік, фактори ризику — такі як куріння, діабет, високий рівень холестерину - і рівні в крові білка під назвою тропонін.

Модель перевершила всі 3, точно перекласифікувавши кожного третього пацієнта із болем у грудях як низький, проміжний або високий ризик.

У наших найсміливіших мріях ми сподівалися досягти точності HEART, але ми були здивовані, виявивши, що наша модель машинного навчання, заснована виключно на ЕКГ, перевищила цей показник,

— сказав Аль-Заіті.

За словами співавтора Крістіана Мартіна-Гілла, доктора медичних наук, керівника відділу екстреної медичної допомоги (EMS) UPMC, алгоритм допоможе персоналу швидкої медичної допомоги та працівникам відділень невідкладної допомоги ідентифікувати людей із серцевим нападом і тих, у кого знижений кровотік у коронарних артеріях значно надійнішим способом порівняно з традиційним аналізом ЕКГ.

«Ця інформація може допомогти у прийнятті медичних рішень швидкої медичної допомоги, таких як ініціювання певного лікування в польових умовах або сповіщення лікарень про надходження пацієнта з групи високого ризику», — додав Мартін-Гілл: «З іншого боку, також захоплююче, що це може допомогти виявити пацієнтів із низьким ризиком, яким не потрібно звертатися до лікарні зі спеціалізованим кардіологічним закладом, що може покращити догоспітальне сортування».

ДЖЕРЕЛО: https://www.sciencedaily.com