Kalp yetmezliği ve yapay zeka: EKG'de görünmeyen işaretleri tespit etmek için kendi kendine öğrenen algoritma

Kalp yetmezliği ve yapay zeka: Mount Sinai araştırmacıları tarafından oluşturulan özel bir yapay zeka (AI) tabanlı bilgisayar algoritması, bir hastanın kalp yetmezliği yaşayıp yaşamadığını tahmin etmek için elektrokardiyogramlardaki (EKG'ler veya EKG'ler olarak da bilinir) ince değişikliklerin nasıl tanımlanacağını öğrenebildi.

Kendi kendine öğrenen algoritmalar kalp yetmezliği sorunlarını tanır

Hasso Plattner Dijital Enstitüsü üyesi Genetik ve Genomik Bilimler Yardımcı Doçent Doktoru Benjamin S. Glicksberg, “Derin öğrenme algoritmalarının kalbin her iki tarafındaki kan pompalama problemlerini EKG dalga formu verilerinden tanıyabildiğini gösterdik” dedi. Mount Sinai'de Sağlık ve Amerikan Kardiyoloji Koleji Dergisi: Kardiyovasküler Görüntüleme'de yayınlanan çalışmanın kıdemli yazarı.

"Normalde, bu tür kalp rahatsızlıklarını teşhis etmek pahalı ve zaman alıcı prosedürler gerektirir.

Bu algoritmanın kalp yetmezliğinin daha hızlı teşhisini sağlayacağını umuyoruz.”

Çalışma, Glicksberg labby Girish N. Nadkarni, MD, MPH, CPH, Mount Sinai'deki Icahn Tıp Okulu'nda Doçent, Tıp Bölümü Başkanı, Doç. Dr. Akhil Vaid tarafından yönetildi. Veriye Dayalı ve Dijital Tıp (D3M) ve çalışmanın kıdemli yazarı.

Yaklaşık 6.2 milyon Amerikalıyı etkileyen kalp yetmezliği veya konjestif kalp yetmezliği, kalp vücudun normalde ihtiyaç duyduğundan daha az kan pompaladığında ortaya çıkar.

Yıllar boyunca doktorlar, bir hastanın kalp yetmezliği yaşayıp yaşamadığını değerlendirmek için ekokardiyogram adı verilen bir görüntüleme tekniğine büyük ölçüde güvendiler.

Yararlı olmakla birlikte, ekokardiyogramlar yalnızca belirli hastanelerde sunulan emek yoğun prosedürler olabilir.

Bununla birlikte, yapay zekadaki son gelişmeler, bu durumlarda yaygın olarak kullanılan bir elektrik kayıt cihazı olan elektrokardiyogramların hızlı ve hazır bir alternatif olabileceğini düşündürmektedir.

Örneğin, birçok çalışma, bir "derin öğrenme" algoritmasının, kalbin sol karıncığındaki, taze oksijenli kanı vücudun geri kalanına iten zayıflığı nasıl tespit edebildiğini göstermiştir.

Bu çalışmada, araştırmacılar, yalnızca sol ventrikülün gücünü değil, aynı zamanda vücuttan oksijensiz kan akışını alıp akciğerlere pompalayan sağ ventrikülü de değerlendiren bir algoritmanın geliştirilmesini anlattılar.

"Çekici olmasına rağmen, geleneksel olarak doktorların kalp yetmezliğini teşhis etmek için EKG'leri kullanması zor olmuştur.

Bunun nedeni kısmen bu değerlendirmeler için belirlenmiş bir tanı kriteri olmaması ve EKG okumalarındaki bazı değişikliklerin insan gözünün algılaması için çok ince olması," dedi Dr. Nadkarni.

"Bu çalışma, nispeten basit ve yaygın olarak bulunan bir test kullanarak daha iyi tarama ve tedavi paradigmalarına yol açabilecek EKG verileri içinde saklı bilgileri bulma konusunda heyecan verici bir adımı temsil ediyor."

Tipik olarak, bir elektrokardiyogram iki aşamalı bir süreci içerir.

Kablo uçları hastanın göğsünün farklı bölümlerine bantlanır ve dakikalar içinde özel olarak tasarlanmış, taşınabilir bir makine, kalbin elektriksel aktivitesini temsil eden bir dizi dalgalı çizgi veya dalga biçimi yazdırır.

Bu makineler çoğu hastanede bulunabilir ve ambulanslar Amerika Birleşik Devletleri genelinde ve işletmek için minimum eğitim gerektirir.

Bu çalışma için araştırmacılar, aynı hastalardan alınan karşılık gelen ekokardiyogramların sonuçlarını özetleyen yazılı raporlardan elde edilen verilerle birlikte hasta elektrokardiyogramlarını okumak için bir bilgisayar programladılar.

Bu durumda, yazılı raporlar, bilgisayarın elektrokardiyogram verileriyle karşılaştırması ve daha zayıf kalpleri nasıl tespit edeceğini öğrenmesi için standart bir veri seti görevi gördü.

EKG CİHAZI? ACİL DURUM FUARI'NDA ZOLL STANDINI ZİYARET EDİN

Kalp yetmezliği: doğal dil işleme programları, bilgisayarın yazılı raporlardan veri çıkarmasına yardımcı oldu

Bu arada, algoritmanın pompalama güçlerini tanımayı öğrenmesine yardımcı olmak için görüntülerdeki kalıpları keşfedebilen özel sinir ağları dahil edildi.

Dr. Vaid, “Tüm kalbi kolayca ve ucuza anlayabilen yapay zeka geliştirerek son teknolojiyi zorlamak istedik” dedi.

Bilgisayar daha sonra 700,000'ten 150,000'ye kadar 2003 Mount Sinai Sağlık Sistemi hastasından elde edilen 2020'den fazla elektrokardiyogram ve ekokardiyogram raporunu okudu.

Bilgisayarı eğitmek için dört hastaneden gelen veriler kullanılırken, beşinci bir hastaneden alınan veriler, algoritmanın farklı bir deneysel ortamda nasıl performans göstereceğini test etmek için kullanıldı.

Dr. Nadkarni, "Bu çalışmanın potansiyel bir avantajı, dünyadaki en çeşitli hasta popülasyonlarından birine ait en büyük EKG koleksiyonlarından birini içermesidir" dedi.

İlk sonuçlar, algoritmanın hangi hastaların sağlıklı veya çok zayıf sol ventriküllere sahip olacağını tahmin etmede etkili olduğunu gösterdi.

Burada güç, ekokardiyogramlarda gözlemlendiği gibi ventrikülün her vuruşta ne kadar sıvı pompaladığının bir tahmini olan sol ventrikül ejeksiyon fraksiyonu ile tanımlandı.

Sağlıklı kalpler yüzde 50 veya daha fazla ejeksiyon fraksiyonuna sahipken, zayıf kalpler yüzde 40'a eşit veya daha düşük olanlara sahiptir.

Algoritma, hangi hastaların sağlıklı bir ejeksiyon fraksiyonuna sahip olduğunu tahmin etmede yüzde 94, ejeksiyon fraksiyonu yüzde 87'ın altında olanları tahmin etmede yüzde 40 doğruydu.

KARDİYOKORUMA VE KARDİOPULMONER RESÜSİTASYON? DAHA FAZLA BİLGİ İÇİN ŞİMDİ ACİL DURUM FUARINDA EMD112 STANDINI ZİYARET EDİN

Ancak algoritma, hangi hastaların kalplerinin hafifçe zayıfladığını tahmin etmede o kadar etkili değildi.

Bu durumda, program yüzde 73 ila 40 arasında bir ejeksiyon fraksiyonu olan hastaları tahmin etmede yüzde 50 doğruydu.

Diğer sonuçlar, algoritmanın elektrokardiyogramlardan sağ kapak zayıflıklarını tespit etmeyi de öğrendiğini gösterdi.

Bu durumda, zayıflık, ekokardiyogram raporlarından çıkarılan daha açıklayıcı terimlerle tanımlandı.

Burada algoritma, hangi hastaların sağ kapakçıklarının zayıf olduğunu tahmin etmede yüzde 84 oranında doğruydu.

Dr. Vaid, "Sonuçlarımız, bu algoritmanın sonunda doktorların kalbin her iki tarafındaki arızayı doğru bir şekilde teşhis etmesine yardımcı olabileceğini gösterdi" dedi.

Son olarak, ek analiz, algoritmanın ırk ve cinsiyetten bağımsız olarak tüm hastalarda kalp zayıflığını tespit etmede etkili olabileceğini öne sürdü.

Dr. Glicksberg, "Sonuçlarımız, bu algoritmanın, klinik pratisyenlerin çeşitli hastaların yaşadığı kalp yetmezliğiyle mücadele etmelerine yardımcı olmak için yararlı bir araç olabileceğini gösteriyor" diye ekledi. "Daha gerçek dünya ortamında etkinliğini test etmek için ileriye dönük denemeleri dikkatlice tasarlama sürecindeyiz."

Bu çalışma Ulusal Sağlık Enstitüleri (TR001433) tarafından desteklenmiştir.

makale

Vaid, A., ve diğerleri, Elektrokardiyogramdan sağ ve sol ventrikül disfonksiyonunu aynı anda belirlemek için derin öğrenme algoritmalarını kullanma, Journal of the American College of Cardiology: Cardiovasküler Imaging, 13 Ekim 2021, DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.

Ayrıca Oku:

Kalp İltihapları: Miyokardit, Enfektif Endokardit ve Perikardit

Kalp Mırıltıları: Nedir ve Ne Zaman Endişelenmeli

Kırık Kalp Sendromu Yükselişte: Takotsubo Kardiyomiyopatisini Biliyoruz

Kaynak:

Sina Dağı

Bunları da beğenebilirsin