Было обнаружено, что модель искусственного интеллекта (ИИ) выявляет пациентов с перемежающейся фибрилляцией предсердий даже при выполнении в течение нормального ритма с использованием быстрого и неинвазивного 10-секундного теста, по сравнению с текущими тестами, которые могут занять от нескольких недель до нескольких лет. Несмотря на то, что полученные результаты были ранними и требуют дальнейших исследований перед внедрением, они могут помочь врачам в расследовании необъяснимых инсультов или сердечной недостаточности, обеспечивая соответствующее лечение.
Исследователи обучили модель искусственного интеллекта обнаруживать признаки фибрилляции предсердий на 10-секундных электрокардиограммах (ЭКГ), снятых у пациентов с нормальным ритмом. Исследование с участием почти 181000 пациентов, опубликованное в The Lancet, является первым, в котором глубинное обучение используется для выявления пациентов с потенциально необнаруженной фибрилляцией предсердий, и его общая точность составила 83%. Технология обнаруживает на ЭКГ сигналы, которые могут быть невидимы для человеческого глаза, но содержат важную информацию о наличии фибрилляции предсердий.
Предполагается, что фибрилляция предсердий влияет на 2 человека.7-6.1 миллион человек в США, что связано с повышенным риском инсульта, сердечной недостаточности и смертности. Трудно обнаружить на одной ЭКГ, потому что сердца пациентов могут входить и выходить из этого ненормального ритма, поэтому фибрилляция предсердий часто остается недиагностированной.
Доктор. Пол Фридман, заведующий отделением сердечно-сосудистой медицины, клиника Мэйо, США, говорит: "Применение модели искусственного интеллекта к ЭКГ позволяет выявить фибрилляцию предсердий, даже если она отсутствует во время записи ЭКГ. Это похоже на то, как сейчас смотреть на океан и понимать, что вчера были большие волны."
Он отмечает: "В настоящее время ИИ обучен с использованием ЭКГ у людей, которые нуждались в клинических исследованиях, но не у людей с необъяснимым инсультом или среди населения в целом, поэтому мы еще не уверены, как он будет работать при диагностике этих групп. Тем не менее, возможность быстрого и недорогого тестирования с помощью неинвазивного и широко доступного теста может однажды помочь выявить недиагностированную фибрилляцию предсердий и направить важное лечение, предотвращающее инсульт и другие серьезные заболевания."
После необъяснимого инсульта важно точно выявить фибрилляцию предсердий, чтобы пациенты с ней получали антикоагулянтную терапию для снижения риска повторного инсульта, а другие пациенты (которым это лечение может причинить вред) не подвергались лечению. В настоящее время для обнаружения в этой ситуации требуется мониторинг в течение нескольких недель или лет, иногда с использованием имплантированного устройства, что потенциально подвергает пациентов риску повторного инсульта, поскольку современные методы не всегда точно определяют фибрилляцию предсердий или занимают слишком много времени.
Сердца с фибрилляцией предсердий развиваются структурные изменения, такие как увеличение камеры. Прежде чем эти изменения будут видны с помощью стандартных методов визуализации, таких как эхокардиограмма, скорее всего, имеется фиброз (рубцевание) сердца, связанный с фибрилляцией предсердий. Кроме того, наличие фибрилляции предсердий может временно изменить электрические свойства сердечной мышцы, даже после того, как она закончилась.
Исследователи намеревались обучить нейронную сеть – класс искусственного интеллекта с глубоким обучением – распознавать тонкие различия в стандартной ЭКГ, которые, как предполагается, связаны с этими изменениями, хотя нейронные сети "черные ящики" и конкретные результаты, на которых основаны их наблюдения, неизвестны. Авторы использовали ЭКГ сердечного ритма, полученные от почти 181 000 пациентов (около 650 000 сканирований ЭКГ) в период с декабря 1993 г. по июль 2017 г., разделив данные на пациентов, которые были либо положительными, либо отрицательными на фибрилляцию предсердий.
Данные ЭКГ были разделены на три группы: наборы данных для обучения, внутренней проверки и тестирования: 70% в группе обучения, 10% в группе проверки и оптимизации и 20% в группе тестирования (454 789 ЭКГ от 126 526 пациентов в наборе данных для обучения, 64 340 ЭКГ. от 18 116 пациентов в наборе данных для валидации и 130 802 ЭКГ от 36 280 пациентов в наборе данных тестирования).
ИИ показал хорошие результаты при выявлении фибрилляции предсердий: при тестировании первого сердечного выброса ЭКГ от каждого пациента точность составила 79% (для одного сканирования), а при использовании нескольких ЭКГ для одного и того же пациента точность повысилась до 83%. Необходимы дальнейшие исследования для подтверждения эффективности в конкретных группах населения, таких как пациенты с необъяснимым инсультом (эмболический инсульт с неустановленным источником – ESUS) или сердечной недостаточностью.
Авторы исследования также предполагают, что однажды эту технологию можно будет использовать в качестве диагностического теста по месту оказания медицинской помощи в хирургической клинике для скрининга групп высокого риска. Скрининг людей с артериальной гипертензией, диабетом или в возрасте старше 65 лет на фибрилляцию предсердий может помочь избежать ухудшения здоровья, однако современные методы выявления являются дорогостоящими и позволяют идентифицировать мало пациентов. Кроме того, этот скрининг в настоящее время требует ношения большого и неудобного кардиомонитора в течение нескольких дней или недель.
Доктор. Сяоси Яо, соисследователь исследования из клиники Мэйо, США, говорит: "Вполне возможно, что наш алгоритм может быть использован на недорогих, широко доступных технологиях, включая смартфоны, однако это потребует дополнительных исследований, прежде чем широкое применение."
Авторы отмечают несколько ограничений и дальнейшие исследования, прежде чем их работа попадет в клиники. В исследуемой популяции может быть более высокая распространенность фибрилляции предсердий по сравнению с общей популяцией. Таким образом, ИИ был обучен ретроспективно классифицировать клинически показанные ЭКГ в большей степени, чем для прогнозирования у здоровых пациентов или пациентов с необъяснимым инсультом, и, возможно, потребуется калибровка перед широким применением для скрининга более широкого здорового населения.
Пациенты считались отрицательными на фибрилляцию предсердий, если у них не было подтвержденного диагноза, но, вероятно, были некоторые пациенты, которым не был поставлен диагноз и был указан ошибочно, поэтому ИИ мог определить то, что не было в предыдущем тестировании. С другой стороны, некоторые из ложноположительных пациентов, идентифицированных AI как имеющих в анамнезе фибрилляцию предсердий (несмотря на то, что человек классифицировал их как отрицательные), на самом деле могли иметь недиагностированную фибрилляцию предсердий. Поскольку ИИ хорош настолько, насколько хороши данные, с которыми он обучается, могут быть ошибки в интерпретации, когда тест применяется к другим группам населения, например, к людям без указанной ЭКГ.
В связанном комментарии Dr. Джерун Хендрикс из Университета Аделаиды и Королевской больницы Аделаиды, Аделаида, Австралия, говорит: "Таким образом, Аттиа и коллеги следует поздравить за их новаторский подход, а также за тщательную разработку и локальную проверку ЭКГ с поддержкой искусственного интеллекта. Учитывая, что алгоритмы ИИ недавно достигли уровня кардиологов в диагностике, эта интерпретация ИИ-ЭКГ является новаторской в создании алгоритма для выявления вероятности фибрилляции предсердий на ЭКГ, показывающих синусовый ритм."