EKG AI-algoritme identificerer venstre ventrikulær systolisk dysfunktion
Læg en besked
EKG AI-algoritme identificerer venstre ventrikulær systolisk dysfunktion
Patienter, der kommer til skadestuen (ED) med dyspnø, har venstre ventrikulær (LV) systolisk dysfunktion ved hjælp af elektrokardiogrammer analyseret med AI.
Demilade Adedinsewo, MD, hovedforsker i Department of Cardiovascular Medicine ved Mayo Clinic i Jacksonville, Florida, fortalte Healio: "AI EKG kan detektere venstre ventrikulær systolisk funktion hurtigere og mere præcist hos patienter med åndenød end NT-proBNP. Forbedre og fremskynde akutmodtagelsesdiagnosen og give en unik mulighed for at identificere højrisiko-hjertepatienter tidligere og knytte patienter til passende hjerte-kar-behandling."
patienter med vejrtrækningsbesvær
I den retrospektive undersøgelse, offentliggjort i Circulation: Arrhythmias and Electrophysiology, analyserede forskere data fra 1.606 patienter (medianalder 68; 47 procent kvinder) mellem maj 2018 og 2019. Vejrtrækningsbesvær i 2 måneder. Disse patienter havde mindst ét EKG inden for 24 timer og inden for 30 dage efter deres ED-besøg. Dem med tidligere diagnosticeret systolisk, diastolisk eller uforklarlig hjertesvigt blev udelukket.
Det primære resultat af denne undersøgelse var identifikation af nye patienter med LV systolisk dysfunktion (defineret som en venstre ventrikulær ejektionsfraktion på 35 procent eller mindre) inden for 30 dage efter ED besøget. Sekundære resultater blev defineret som patienter med en venstre ventrikulær ejektionsfraktion (LVEF) mindre end 50 procent fundet inden for 30 dage efter præsentationen. Begge resultater blev bestemt af EKG'er vurderet af et deep learning-netværk, en AI-EKG-algoritme udviklet og valideret til at identificere LVEF'er på 35 procent eller lavere uden yderligere optimering eller træning.
Mediantiden til EKG efter ED-besøg var 1 dag.
Hos akutte patienter med dyspnø var arealet under modtagerens funktionskarakteristiske kurve for AI-EKG-algoritmen til at identificere ny venstre ventrikulær systolisk dysfunktion 0.89 (95 procent CI, 0).{{5} }.91). Algoritmen havde en nøjagtighed på 85,9 procent (95 procent CI, 84.1-87.6), en specificitet på 87 procent, en sensitivitet på 74 procent, en positiv prædiktiv værdi på 40 procent og en negativ prædiktiv værdi på 97 procent.
Algoritmen var også i stand til at identificere patienter med en LVEF under 50 procent med et areal under modtagerens funktionskarakteristiske kurve på 0.85 (95 procent CI, 0.83-0.88 ) med en nøjagtighed på 86 procent (95 procent CI, 84.2-87.7). Dette opnåede også en specificitet på 91 procent, en sensitivitet på 63 procent, en positiv prædiktiv værdi på 62 procent og en negativ prædiktiv værdi på 92 procent.
Forskerne evaluerede også et panel af {{0}} patienter med tilgængelige N-terminale B-type natriuretiske peptidværdier. NT-proBNP-niveauer større end 800 pg/mL indikerede ny LV systolisk dysfunktion med et område under modtagerens funktionskarakteristiske kurve på 0,8 (95 procent CI, 0.76-0.84).
"Det nuværende studie er retrospektivt, og prospektive undersøgelser er nødvendige for at vurdere virkningen af AI-EKG på langsigtede kliniske resultater, som vores forskerhold i øjeblikket evaluerer," sagde Adedinsewo i et interview.
Adedinsewo tilføjede, at teknologien i øjeblikket bliver brugt i hele hendes sundhedssystem. Hun fortalte Healio: "Dette AI-EKG-værktøj er i øjeblikket tilgængeligt på alle Mayo Clinic-steder og er tilgængeligt via vores elektroniske sygejournalsystem, desuden blev værktøjet for nylig givet nødbrugstilladelse af FDA i maj til screening af bekræftede diagnoser eller venstre. ventrikulær dysfunktion hos patienter med mistanke om ny coronavirus."
Potentialet til at fremme patientbehandlingen
I en relateret leder skrev Dr. Kazi T. Haq fra Knight Cardiovascular Institute ved Oregon Health and Science University i Portland, Oregon, og kolleger: "Samlet set viser resultaterne af Adedinsewo et al., at - AI ved hjælp af en standard {{ 0}}lead-EKG lead-wire EKG kunne forbedre identifikationen af nyopstået hjertesvigt hos akutmodtagelsespatienter med dyspnø. Dette er en strategi, der er nem at bruge i klinisk praksis og har potentiale til betydeligt at forbedre patientbehandlingen."