Разработан новый алгоритм машинного обучения для диагностики хронической сердечной недостаточности

Использование искусственного интеллекта в рутинной амбулаторной практике повышает точность и эффективность диагностики систолической дисфункции левого желудочка по данным ЭКГ.


Бессимптомная систолическая дисфункция левого желудочка встречается у 1.4–2.2% населения планеты. Этот тип сердечной недостаточности не имеет явных клинических проявлений, что затрудняет своевременную диагностику и лечение. Критерием для выявления снижения сократительной функции миокарда, обуславливающего систолическую дисфункцию, служит величина фракции выброса левого желудочка (ФВ ЛЖ) <50% по данным эхокардиографии (эхо-ЭКГ). Несмотря на высокую специфичность и чувствительность эхо-ЭКГ, более доступным и широко используемым в рутинной амбулаторной практике диагностическим методом остается ЭКГ.

Ученые из Mayo Clinics научили нейронные сети распознавать изменения ЭКГ, связанные со снижением ФВ ЛЖ. Эффективность искусственного интеллекта (ИИ) в диагностике систолической дисфункции оценили в масштабном исследовании с участием 22 641 пациента (средний возраст 60.5±17.6 лет, 53.9% женщин) без заболеваний сердечно-сосудистой системы в анамнезе и 348 врачей из 120 медицинских учреждений.

Врачи и пациенты были случайным образом разделены на две группы. Специалисты первой группы (n=181; группа ИИ-ЭКГ) имели доступ к результатам диагностики с помощью ИИ. Врачам контрольной группы (n=177) было необходимо самостоятельно установить диагноз, не имея доступа к информации о наличии заболевания.

По результатам диагностики с помощью нейронных сетей снижение ФВ ЛЖ было выявлено у 664 (6%) пациентов контрольной группы (n=11 068) и 692 (6%) пациентов в группе ИИ-ЭКГ (n=11 573). Среди пациентов низкого риска, у которых ИИ не обнаружил снижения ФВ ЛЖ, частота назначения эхо-ЭКГ в контрольной группе (18.2%) и группе ИИ-ЭКГ (19.2%) не отличалась (P=0.17).

В группе высокого риска (с положительным диагнозом по результатам анализа ИИ) эхо-ЭКГ чаще назначали пациентам, чьи врачи имели доступ к результатам диагностики с использованием ИИ (ИИ-ЭКГ: 49.6%, контроль: 38.1%; P<0.001).

Применение алгоритмов машинного обучения повысило эффективность диагностики снижения ФВ ЛЖ в общей выборке пациентов на 32%. В группе выского риска доля верных диагнозов повысилась на 43%.

Хотя для совершенствования алгоритма необходимо большое количество обучающих данных, методы машинного обучения уже сейчас могут использоваться в качестве вспомогательного диагностического инструмента, который позволит снизить нагрузку на медицинский персонал и повысить точность диагностики и прогноза сердечно-сосудистых заболеваний.

 

Источник: Yao X. et al. Artificial intelligence–enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial. Nature Medicine, 2021; DOI:10.1038/s41591-021-01335-4


Еженедельный дайджест "Лечащего врача": главные новости медицины в одной рассылке

Подписывайтесь на нашу email рассылку и оставайтесь в курсе самых важных медицинских событий


поле обязательно для заполнения
поле обязательно для заполнения
поле обязательно для заполнения
поле обязательно для заполнения
Нажимая на кнопку Подписаться, вы даете согласие на обработку персональных данных





Актуальные проблемы

Специализации




Календарь событий:




Вход на сайт