Algoritma AI ECG Mengenalpasti Disfungsi Sistolik Ventrikel Kiri
Tinggalkan pesanan
Algoritma ECG AI mengenal pasti disfungsi sistolik ventrikel kiri
Pesakit yang datang ke bilik kecemasan (ED) dengan dyspnea mengalami disfungsi sistolik ventrikel kiri (LV), menggunakan elektrokardiogram yang dianalisis oleh AI.
Demilade Adedinsewo, MD, penyiasat utama di Jabatan Perubatan Kardiovaskular di Mayo Clinic di Jacksonville, Florida, memberitahu Healio: "AI ECG boleh mengesan fungsi sistolik ventrikel kiri lebih cepat dan lebih tepat pada pesakit yang mengalami sesak nafas daripada NT-proBNP. Memperbaiki dan mempercepatkan diagnosis jabatan kecemasan dan menyediakan peluang unik untuk mengenal pasti pesakit jantung berisiko tinggi lebih awal dan menghubungkan pesakit dengan penjagaan kardiovaskular yang sesuai."
pesakit yang mengalami kesukaran bernafas
Dalam kajian retrospektif, yang diterbitkan dalam Circulation: Arrhythmias and Electrophysiology, penyelidik menganalisis data daripada 1,606 pesakit (median umur 68; 47 peratus wanita) antara Mei 2018 dan 2019 Kesukaran bernafas selama 2 bulan. Pesakit ini mempunyai sekurang-kurangnya satu ECG dalam masa 24 jam dan dalam masa 30 hari dari lawatan ED mereka. Mereka yang mengalami kegagalan jantung sistolik, diastolik atau tidak dapat dijelaskan sebelum ini dikecualikan.
Hasil utama kajian ini adalah pengenalpastian pesakit baru dengan disfungsi sistolik LV (ditakrifkan sebagai pecahan ejeksi ventrikel kiri sebanyak 35 peratus atau kurang) dalam masa 30 hari dari lawatan ED. Hasil sekunder ditakrifkan sebagai pesakit dengan pecahan ejeksi ventrikel kiri (LVEF) kurang daripada 50 peratus ditemui dalam tempoh 30 hari selepas pembentangan. Kedua-dua hasil ditentukan oleh ECG yang dinilai oleh rangkaian pembelajaran mendalam, algoritma AI-ECG dibangunkan dan disahkan untuk mengenal pasti LVEF sebanyak 35 peratus atau lebih rendah tanpa pengoptimuman atau latihan tambahan.
Masa median ke ECG selepas lawatan ED ialah 1 hari.
Dalam pesakit kecemasan dengan sesak nafas, kawasan di bawah lengkung ciri pengendalian penerima untuk algoritma AI-ECG untuk mengenal pasti disfungsi sistolik ventrikel kiri baharu ialah 0.89 (95 peratus CI, 0.{{5} }.91). Algoritma ini mempunyai ketepatan 85.9 peratus (95 peratus CI, 84.1-87.6), kekhususan 87 peratus , kepekaan 74 peratus , nilai ramalan positif 40 peratus dan nilai ramalan negatif 97 peratus.
Algoritma ini juga dapat mengenal pasti pesakit dengan LVEF di bawah 50 peratus dengan kawasan di bawah lengkung ciri pengendalian penerima 0.85 (95 peratus CI, 0.83-0.88 ) dengan ketepatan 86 peratus (95 peratus CI, 84.2-87.7). Ini juga mencapai kekhususan sebanyak 91 peratus, kepekaan sebanyak 63 peratus, nilai ramalan positif sebanyak 62 peratus, dan nilai ramalan negatif sebanyak 92 peratus.
Para penyelidik juga menilai panel pesakit {{0}} dengan nilai peptida natriuretik jenis-N-terminal B yang tersedia. Tahap NT-proBNP lebih daripada 800 pg/mL menunjukkan disfungsi sistolik LV baharu, dengan kawasan di bawah lengkung ciri pengendalian penerima sebanyak 0.8 (95 peratus CI, 0.76-0.84).
"Kajian semasa adalah retrospektif, dan kajian prospektif diperlukan untuk menilai kesan AI-ECG pada hasil klinikal jangka panjang, yang sedang dinilai oleh pasukan penyelidik kami," kata Adedinsewo dalam temu bual.
Adedinsewo menambah bahawa teknologi itu kini digunakan di seluruh sistem penjagaan kesihatannya. Dia memberitahu Healio: "Alat AI-ECG ini kini tersedia di semua tapak Klinik Mayo dan boleh diakses melalui sistem rekod perubatan elektronik kami, selain itu, alat itu baru-baru ini diberikan kebenaran penggunaan kecemasan oleh FDA pada Mei untuk menyaring diagnosis yang disahkan atau meninggalkannya. disfungsi ventrikel pada pesakit yang disyaki novel coronavirus."
Potensi untuk memajukan penjagaan pesakit
Dalam editorial yang berkaitan, Dr. Kazi T. Haq dari Institut Kardiovaskular Knight di Oregon Health and Science University di Portland, Oregon, dan rakan sekerja menulis: "Secara keseluruhannya, penemuan Adedinsewo et al. menunjukkan bahawa— AI menggunakan standard {{ 0}}ECG wayar plumbum ECG boleh meningkatkan pengenalpastian kegagalan jantung permulaan baharu dalam pesakit dispnea jabatan kecemasan. Ini adalah strategi yang mudah digunakan dalam amalan klinikal dan berpotensi untuk meningkatkan penjagaan pesakit dengan ketara."
