Gagal jantung dan kecerdasan buatan: algoritma belajar mandiri untuk mendeteksi tanda-tanda yang tidak terlihat oleh EKG
Gagal jantung dan kecerdasan buatan: algoritma komputer berbasis kecerdasan buatan (AI) khusus yang dibuat oleh peneliti Gunung Sinai mampu mempelajari cara mengidentifikasi perubahan halus dalam elektrokardiogram (juga dikenal sebagai EKG atau EKG) untuk memprediksi apakah pasien mengalami gagal jantung
Algoritma belajar mandiri mengenali masalah gagal jantung
“Kami menunjukkan bahwa algoritma pembelajaran mendalam dapat mengenali masalah pemompaan darah di kedua sisi jantung dari data bentuk gelombang EKG,” kata Benjamin S. Glicksberg, PhD, Asisten Profesor Genetika dan Ilmu Genomik, anggota Institut Hasso Plattner untuk Digital Health at Mount Sinai, dan penulis senior studi yang diterbitkan dalam Journal of American College of Cardiology: Cardiovascular Imaging.
“Biasanya, mendiagnosis kondisi jantung jenis ini membutuhkan prosedur yang mahal dan memakan waktu.
Kami berharap algoritme ini akan memungkinkan diagnosis gagal jantung yang lebih cepat.”
Studi ini dipimpin oleh Akhil Vaid, MD, seorang sarjana postdoctoral yang bekerja di labby Glicksberg Girish N. Nadkarni, MD, MPH, CPH, Associate Professor of Medicine di Icahn School of Medicine di Mount Sinai, Kepala Divisi Data-Driven and Digital Medicine (D3M), dan penulis senior studi ini.
Mempengaruhi sekitar 6.2 juta orang Amerika, gagal jantung, atau gagal jantung kongestif, terjadi ketika jantung memompa lebih sedikit darah daripada yang biasanya dibutuhkan tubuh.
Selama bertahun-tahun dokter sangat bergantung pada teknik pencitraan yang disebut ekokardiogram untuk menilai apakah pasien mungkin mengalami gagal jantung.
Meskipun membantu, ekokardiogram dapat menjadi prosedur padat karya yang hanya ditawarkan di rumah sakit tertentu.
Namun, terobosan terbaru dalam kecerdasan buatan menunjukkan bahwa elektrokardiogram—alat perekam listrik yang banyak digunakan—bisa menjadi alternatif yang cepat dan tersedia dalam kasus ini.
Misalnya, banyak penelitian telah menunjukkan bagaimana algoritme "pembelajaran mendalam" dapat mendeteksi kelemahan pada ventrikel kiri jantung, yang mendorong darah segar beroksigen keluar ke seluruh tubuh.
Dalam studi ini, para peneliti menggambarkan pengembangan algoritma yang tidak hanya menilai kekuatan ventrikel kiri tetapi juga ventrikel kanan, yang mengambil aliran darah terdeoksigenasi dari tubuh dan memompanya ke paru-paru.
“Meskipun menarik, secara tradisional telah menantang bagi dokter untuk menggunakan EKG untuk mendiagnosis gagal jantung.
Ini sebagian karena tidak ada kriteria diagnostik yang ditetapkan untuk penilaian ini dan karena beberapa perubahan dalam pembacaan EKG terlalu halus untuk dideteksi oleh mata manusia,” kata Dr. Nadkarni.
“Studi ini merupakan langkah maju yang menarik dalam menemukan informasi yang tersembunyi di dalam data EKG yang dapat mengarah pada paradigma skrining dan pengobatan yang lebih baik menggunakan tes yang relatif sederhana dan tersedia secara luas.”
Biasanya, elektrokardiogram melibatkan proses dua langkah.
Kabel kawat ditempelkan ke berbagai bagian dada pasien dan dalam beberapa menit, mesin portabel yang dirancang khusus mencetak serangkaian garis berlekuk-lekuk, atau bentuk gelombang, yang mewakili aktivitas listrik jantung.
Mesin ini dapat ditemukan di sebagian besar rumah sakit dan ambulans di seluruh Amerika Serikat dan membutuhkan pelatihan minimal untuk beroperasi.
Untuk penelitian ini, para peneliti memprogram komputer untuk membaca elektrokardiogram pasien bersama dengan data yang diambil dari laporan tertulis yang merangkum hasil ekokardiogram terkait yang diambil dari pasien yang sama.
Dalam situasi ini, laporan tertulis bertindak sebagai kumpulan data standar bagi komputer untuk dibandingkan dengan data elektrokardiogram dan mempelajari cara mengenali jantung yang lebih lemah.
PERALATAN EKG? KUNJUNGI BOOTH ZOLL DI EMERGENCY EXPO
Gagal jantung: program pemrosesan bahasa alami membantu komputer mengekstrak data dari laporan tertulis
Sementara itu, jaringan saraf khusus yang mampu menemukan pola dalam gambar digabungkan untuk membantu algoritme belajar mengenali kekuatan pemompaan.
“Kami ingin mendorong keadaan seni dengan mengembangkan AI yang mampu memahami seluruh jantung dengan mudah dan murah,” kata Dr. Vaid.
Komputer kemudian membaca lebih dari 700,000 elektrokardiogram dan laporan ekokardiogram yang diperoleh dari 150,000 pasien Sistem Kesehatan Gunung Sinai dari tahun 2003 hingga 2020.
Data dari empat rumah sakit digunakan untuk melatih komputer, sedangkan data dari rumah sakit kelima digunakan untuk menguji bagaimana kinerja algoritme dalam pengaturan eksperimental yang berbeda.
“Keuntungan potensial dari penelitian ini adalah melibatkan salah satu koleksi EKG terbesar dari salah satu populasi pasien paling beragam di dunia,” kata Dr. Nadkarni.
Hasil awal menunjukkan bahwa algoritme efektif dalam memprediksi pasien mana yang memiliki ventrikel kiri yang sehat atau sangat lemah.
Di sini kekuatan ditentukan oleh fraksi ejeksi ventrikel kiri, perkiraan berapa banyak cairan yang dipompa ventrikel dengan setiap denyut seperti yang diamati pada ekokardiogram.
Jantung yang sehat memiliki fraksi ejeksi 50 persen atau lebih besar, sedangkan jantung yang lemah memiliki fraksi ejeksi yang sama dengan atau di bawah 40 persen.
Algoritme ini 94 persen akurat dalam memprediksi pasien mana yang memiliki fraksi ejeksi yang sehat dan 87 persen akurat dalam memprediksi mereka yang memiliki fraksi ejeksi di bawah 40 persen.
Namun algoritme itu tidak seefektif memprediksi pasien mana yang jantungnya akan sedikit melemah
Dalam hal ini, program ini 73 persen akurat dalam memprediksi pasien yang memiliki fraksi ejeksi antara 40 dan 50 persen.
Hasil lebih lanjut menunjukkan bahwa algoritma juga belajar untuk mendeteksi kelemahan katup kanan dari elektrokardiogram.
Dalam hal ini, kelemahan didefinisikan dengan istilah yang lebih deskriptif yang diambil dari laporan ekokardiogram.
Di sini algoritme itu 84 persen akurat dalam memprediksi pasien mana yang memiliki katup kanan lemah.
“Hasil kami menunjukkan bahwa algoritme ini pada akhirnya dapat membantu dokter mendiagnosis kegagalan di kedua sisi jantung dengan benar,” kata Dr. Vaid.
Akhirnya, analisis tambahan menunjukkan bahwa algoritme mungkin efektif dalam mendeteksi kelemahan jantung pada semua pasien, tanpa memandang ras dan jenis kelamin.
“Hasil kami menunjukkan bahwa algoritma ini bisa menjadi alat yang berguna untuk membantu praktisi klinis memerangi gagal jantung yang diderita oleh berbagai pasien,” tambah Dr. Glicksberg. “Kami sedang dalam proses merancang uji coba prospektif dengan hati-hati untuk menguji keefektifannya dalam pengaturan yang lebih nyata.”
Studi ini didukung oleh National Institutes of Health (TR001433).
Artikel
Vaid, A., et al., Menggunakan algoritma pembelajaran mendalam untuk secara bersamaan mengidentifikasi disfungsi ventrikel kanan dan kiri dari elektrokardiogram, Journal of American College of Cardiology: Cardiovascular Imaging, 13 Oktober 2021, DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.
Baca Juga:
Peradangan Jantung: Miokarditis, Endokarditis Infektif, dan Perikarditis
Heart Murmurs: Apa Itu Dan Kapan Harus Dikhawatirkan
Sindrom Patah Hati Sedang Meningkat: Kita Tahu Kardiomiopati Takotsubo