EKG AI-algoritme kan identifisere venstre ventrikkels systolisk dysfunksjon
Legg igjen en beskjed
Systolisk dysfunksjon i venstre ventrikkel (LV) ble funnet hos pasienter som kom til legevakten (ED) med dyspné ved bruk av AI-analyserte elektrokardiografer.
Hovedetterforsker Demilade Adedinsewo, MD, ved Institutt for kardiovaskulær medisin ved Mayo Clinic i Jacksonville, Florida, sa til Healio: "AI-EKG kan oppdage venstre ventrikkels systoliske funksjon hos pasienter med takypné raskere og mer nøyaktig enn NT-proBNP. Det kan forbedre og fremskynde diagnostisering i akuttmottaket og gi en unik mulighet til å identifisere pasienter med høy risiko for hjertesykdom tidligere og knytte pasienter til hensiktsmessig kardiovaskulær behandling."
Pasienter med pustevansker
I den retrospektive studien, publisert i Circulation: Arrhythmias and Electrophysiology, analyserte forskere data fra 1606 pasienter (median alder, 68; 47 prosent av kvinnene) hadde pustevansker mellom mai 2018 og februar 2019. Disse pasientene hadde minst ett EKG innen 24 timer. og 30 dager etter deres ED-presentasjon. Pasienter med en tidligere diagnose systolisk, diastolisk eller uforklarlig hjertesvikt ble ekskludert.
Det primære resultatet av denne studien var oppdagelsen av ny LV systolisk dysfunksjon (definert som en venstre ventrikkel ejeksjonsfraksjon på 35 prosent eller mindre) hos pasienter innen 30 dager etter ED-presentasjon. Sekundære utfall ble definert som pasienter hvis venstre ventrikkel ejeksjonsfraksjon (LVEF) ble funnet å være mindre enn 50 prosent innen 30 dager etter presentasjonen. Begge resultatene bestemmes av EKG evaluert av deep Learning Network, en AI-EKG-algoritme som er utviklet og validert for å identifisere LVEF-er på 35 prosent eller lavere uten ekstra optimalisering eller trening.
Median tid til EKG-undersøkelse etter ED-presentasjon var 1 dag.
Hos pasienter med dyspné i akuttmottaket var området under mottakerens operasjonskarakteristiske kurve (AUC) til AI-EKG-algoritmen for å identifisere ny venstre ventrikkel systolisk dysfunksjon 0.89 (95 prosent KI, 0 .86-0.91). Nøyaktigheten til algoritmen var 85,9 prosent (95 prosent CI, 841-87.6), spesifisiteten var 87 prosent, sensitiviteten var 74 prosent, den positive prediktive verdien var 40 prosent, og den negative prediktive verdien var 97 prosent .
Algoritmen var også i stand til å identifisere pasienter med LVEF lavere enn 50 prosent, med et område under mottakerens driftskarakteristiske kurve på 0.85(95 prosent CI, 0.83-0. 88) og en nøyaktighet på 86 prosent (95 prosent KI, 842-87.7).
Algoritmen var også i stand til å identifisere pasienter med LVEF lavere enn 50 prosent, med et område under mottakerens driftskarakteristiske kurve på 0.85(95 prosent CI, 0.83-0. 88) og en nøyaktighet på 86 prosent (95 prosent KI, 842-87.7). Dette oppnådde også 91 prosent spesifisitet, 63 prosent sensitivitet, 62 prosent positiv prediktiv verdi og 92 prosent negativ prediktiv verdi.
Forskerne evaluerte også et panel av {{0}} pasienter med tilgjengelige N-terminale B-type natriuretiske peptidverdier. Et nivå av NT-proBNP større enn 800 pg/ml indikerte en ny LV systolisk dysfunksjon, med et område under mottakerens driftskarakteristiske kurve på 0,8 (95 prosent CI, 0.76-0.84 ).
"Den nåværende studien var retrospektiv," sa Adedinsewo i et intervju. "Prospektive studier er nødvendig for å vurdere virkningen av AI-EKG på langsiktige kliniske utfall, som for tiden blir evaluert av vårt forskningsteam."
Adedinsewo la til at teknologien for tiden brukes i hele helsevesenet hennes. "AI-EKG-verktøyet er for øyeblikket tilgjengelig på alle Mayo Clinic-steder og er tilgjengelig gjennom vårt elektroniske journalsystem," sa hun til Healio. "I tillegg ble verktøyet nylig gitt nødbruksautorisasjon gjennom FDA i mai for å screene pasienter med bekreftet eller mistenkt COVID-19 for venstre ventrikkeldysfunksjon."
Potensialet til å fremme pasientbehandlingen
I en medfølgende lederartikkel skriver Dr. KaziT.Haq fra Knight Cardiovascular Institute ved Oregon Health and Science University i Portland, Oregon, og kolleger: «Samlet sett tyder funnene til Adedinsewo et al. på at AI bruker en standard {{0} }lead EKG forbedrer gjenkjenningsfrekvensen av ny hjertesvikt hos pasienter med dyspné i akuttmottaket. Dette er en strategi som er enkel å bruke i klinisk praksis og har potensial til å forbedre pasientbehandlingen betydelig."
