Изследователи от University of California, Berkeley са обучили изкуствен интелект да открива в обикновени ЕКГ записи електрически модели, свързани с повишен риск от внезапна сърдечна смърт. Резултатите са публикувани в списание Nature. Сигналът може да помогне на лекарите да разпознават пациенти, които остават извън полезрението на досегашните методи за оценка.
Внезапният сърдечен арест е отдавнашен труден въпрос за медицината: събитието настъпва без предупреждение, а лекарите трябва предварително да решат кой може да има полза от имплантиран дефибрилатор. Данните не се събират за една нощ: подготовката на използваните набори отнела около 10 години.
Какво е видял алгоритъмът в ЕКГ
Екипът обучил системата с повече от 440 000 електрокардиограми от Швеция. Изследователите свързали записите с данни от смъртни актове, за да сравнят електрическите модели при хора, починали по-късно от внезапна сърдечна причина, с тези при други пациенти.
Алгоритъмът търсел съчетания от вълни, пикове и други особености в ЕКГ. След обучението изследователите го проверили с хиляди допълнителни медицински записи от САЩ и Тайван: две години анонимизирани ЕКГ от болнична система в Сан Диего и отделен набор от данни от Тайпе. Така екипът проверил дали откритите модели се появяват и извън шведската група.
Според водещия автор Зиад Обермейер, доцент в School of Public Health на UC Berkeley и лекар по спешна медицина, идеята е AI да помогне както при решенията за пациентите, така и при изучаването на процесите в сърцето преди опасното нарушение на ритъма.
Как се сравнява с обичайния скрининг
Досегашната оценка разчита в голяма степен на това колко кръв изтласква сърцето при всяко съкращение. Този показател помага на лекарите да определят кои пациенти може да са подходящи за имплантируем кардиовертер-дефибрилатор. При използването на традиционните измервания е установена група с годишна честота на внезапна сърдечна смърт 4,6%.
В изследването AI открил група с годишна честота 7%. Това показва по-добро разграничаване на пациентите с висок риск в сравненията, описани от екипа. Алгоритъмът идентифицирал и по-широка група, включително хиляди души, които според съществуващите насоки и обичайните методи не биха били смятани за тревожен случай.
Това не е диагноза. Резултатите не означават, че всеки човек, чиято ЕКГ получи високорискова оценка, ще преживее сърдечен арест или непременно се нуждае от дефибрилатор. Изследването описва модел, свързан с риска, а клиничното решение остава работа на лекаря.
Прочетете още
Фагова терапия: нови международни насоки
Защо е трудно да се предвиди сърдечният арест
Сърдечният арест не е същото като инфаркт. При инфаркт кръвотокът към част от сърдечния мускул е блокиран или силно ограничен; при сърдечен арест проблемът е в електрическите сигнали, които координират пулса. Според материала около 90% от хората, получили внезапен сърдечен арест извън болница, умират в рамките на минути.
Наличието на лечение не решава въпроса кого да лекуват превантивно. Дефибрилаторът може да възстанови опасно нарушен ритъм, но приблизително две трети от устройствата, имплантирани при пациентите, определени като високорискови, никога не се налага да подадат удар. Процедурата е инвазивна и скъпа, а други хора, които не са разпознати като рискови, умират неочаквано.
Обермейер обяснява, че аутопсията може да открие запушени съдове или промени в тъканите, но не показва напълно как е работило сърцето непосредствено преди ареста. Именно този скрит момент е труден за наблюдение.
Какво следва за технологията
Екипът вече работи с медицински системи в Швеция, Тайван и САЩ, за да изпробва алгоритъма в болнични бази с ЕКГ. В предложената схема пациентите с високорискова оценка биха били потърсени и поканени да носят пластир, който непрекъснато записва електрическата активност на сърцето.
По-дългите записи може да помогнат на изследователите да разберат какви биологични процеси стоят зад сигналите, открити от AI. За някои пациенти тази допълнителна информация би могла да подкрепи решение за имплантиране на дефибрилатор. Засега обаче не е ясно какво точно поражда моделите и как алгоритъмът ще се представи при ежедневна употреба в здравната система.
Засега обещаващата част е практична: AI анализира записи, които болниците вече правят, вместо да изисква изцяло нов вид тест. Следващата проверка е дали тази оценка ще помага на лекарите да откриват хората, които действително могат да имат полза от допълнително наблюдение или лечение.