心不全と人工知能：ECGに見えない兆候を検出するための自己学習アルゴリズム
心不全と人工知能：シナイ山の研究者によって作成された特別な人工知能（AI）ベースのコンピューターアルゴリズムは、心不全を経験しているかどうかを予測するために心電図（ECGまたはEKGとも呼ばれる）の微妙な変化を識別する方法を学ぶことができました
自己学習アルゴリズムは心不全の問題を認識します
「深層学習アルゴリズムがECG波形データから心臓の両側の血液ポンプの問題を認識できることを示しました」と、Hasso Plattner Institute forDigitalのメンバーである遺伝学およびゲノム科学の助教授であるBenjaminS.Glicksberg博士は述べています。シナイ山の健康、およびジャーナル・オブ・アメリカン・カレッジ・オブ・カーディオロジー：心臓血管イメージングに掲載された研究の上級著者。
「通常、これらのタイプの心臓の状態を診断するには、費用と時間のかかる手順が必要です。
このアルゴリズムが心不全のより迅速な診断を可能にすることを願っています。」
この研究は、GlicksberglabbyのGirishN。Nadkarni、MD、MPH、CPH、マウントサイナイ医科大学の准教授、データ駆動型およびデジタル医学（D3M）、および研究の上級著者。
約6.2万人のアメリカ人に影響を与える心不全、またはうっ血性心不全は、心臓が体が通常必要とするよりも少ない血液を送り出すときに発生します
何年もの間、医師は、患者が心不全を経験しているかどうかを評価するために、心エコー検査と呼ばれる画像技術に大きく依存してきました。
心エコー検査は有用ですが、特定の病院でのみ提供される労働集約的な手順になる可能性があります。
ただし、人工知能の最近の進歩は、広く使用されている電気記録装置である心電図が、これらの場合に高速ですぐに利用できる代替手段になる可能性があることを示唆しています。
たとえば、多くの研究では、「ディープラーニング」アルゴリズムが心臓の左心室の弱さを検出する方法が示されています。これにより、酸素を補給したばかりの血液が体の残りの部分に押し出されます。
この研究では、研究者らは、左心室だけでなく右心室の強度を評価するアルゴリズムの開発について説明しました。このアルゴリズムは、体から流入する脱酸素化された血液を取り込み、肺に送り込みます。
「魅力的ではありますが、伝統的に、医師が心不全を診断するためにECGを使用することは困難でした。
これは、これらの評価のための確立された診断基準がないことと、ECG読み取り値の一部の変更が、人間の目では検出するには微妙すぎるためです」とNadkarni博士は述べています。
「この研究は、比較的単純で広く利用可能なテストを使用して、より良いスクリーニングと治療パラダイムにつながる可能性のあるECGデータ内に隠された情報を見つけることにおける刺激的な前進を表しています。」
通常、心電図にはXNUMX段階のプロセスが含まれます。
リード線は患者の胸のさまざまな部分にテープで固定され、特別に設計されたポータブルマシンが、心臓の電気的活動を表す一連の波線または波形を数分以内に印刷します。
これらの機械はほとんどの病院で見つけることができます 救急車 米国全土で、操作するために最小限のトレーニングが必要です。
この研究では、研究者は、同じ患者から採取した対応する心エコー図の結果を要約した書面によるレポートから抽出したデータとともに、患者の心電図を読み取るようにコンピューターをプログラムしました。
この状況では、書面によるレポートは、コンピューターが心電図データと比較し、弱い心臓を見つける方法を学習するための標準的なデータセットとして機能しました。
心不全：自然言語処理プログラムは、コンピューターが書かれたレポートからデータを抽出するのに役立ちました
一方、画像のパターンを発見できる特別なニューラルネットワークが組み込まれ、アルゴリズムがポンプの強さを認識することを学習できるようになりました。
「私たちは、心臓全体を簡単かつ安価に理解できるAIを開発することで、最先端技術を推進したかったのです」とVaid博士は述べています。
次に、コンピューターは、700,000年から150,000年までに2003万人のマウントシナイヘルスシステムの患者から得られた2020を超える心電図と心エコー図のレポートを読み取りました。
XNUMXつの病院からのデータを使用してコンピューターをトレーニングし、XNUMXつ目の病院からのデータを使用して、異なる実験設定でアルゴリズムがどのように実行されるかをテストしました。
「この研究の潜在的な利点は、世界で最も多様な患者集団のXNUMXつからのECGの最大のコレクションのXNUMXつが含まれていることです」とNadkarni博士は述べています。
初期の結果は、アルゴリズムがどの患者が健康なまたは非常に弱い左心室を持っているかを予測するのに効果的であることを示唆しました。
ここで、強度は左心室駆出率によって定義されました。これは、心エコー図で観察されるように、各拍動で心室が排出する液体の量の推定値です。
健康な心臓の駆出率は50％以上ですが、弱い心臓の駆出率は40％以下です。
アルゴリズムは、どの患者が健康な駆出率を持っているかを予測するのに94％正確であり、駆出率が87％未満の患者を予測するのに40％正確でした。
心肺保護と心肺蘇生法？ 詳細については、緊急博覧会のEMD112ブースに今すぐアクセスしてください
しかし、アルゴリズムは、どの患者がわずかに心臓を弱めたかを予測するのにそれほど効果的ではありませんでした
この場合、プログラムは駆出率が73〜40％の患者を予測するのに50％正確でした。
さらなる結果は、アルゴリズムが心電図から右弁の弱点を検出することも学習したことを示唆しました。
この場合、弱点は心エコー図レポートから抽出されたより説明的な用語によって定義されました。
ここで、アルゴリズムは、どの患者が弱い右弁を持っているかを予測する際に84パーセント正確でした。
「私たちの結果は、このアルゴリズムが最終的に医師が心臓の両側の障害を正しく診断するのに役立つ可能性があることを示唆しました」とVaid博士は言いました。
最後に、追加の分析により、このアルゴリズムは、人種や性別に関係なく、すべての患者の心臓の衰弱を検出するのに効果的である可能性があることが示唆されました。
「私たちの結果は、このアルゴリズムが、臨床医がさまざまな患者が苦しんでいる心不全と闘うのを助けるための有用なツールである可能性があることを示唆しています」とGlicksberg博士は付け加えました。 「私たちは、より現実的な環境でその有効性をテストするために、将来の試験を注意深く設計する過程にあります。」
この研究は、国立衛生研究所（TR001433）によってサポートされていました。
記事
Vaid、A.、et al。、心電図から右心室機能障害と左心室機能障害を同時に特定するための深層学習アルゴリズムの使用、Journal of the American College of Cardiology：Cardiovascular Imaging、13年2021月10.1016日、DOI：2021.08.004 / j.jcmg.XNUMX .XNUMX。