אלגוריתם של בינה מלאכותית (AI) בשילוב עם חיישני אלקטרוקרדיוגרמה (ECG) עם עופרת יחידה בשעון חכם איבחן במדויק מחלות לב מבניות, כגון יכולת שאיבה מוחלשת, שסתומים פגומים או שריר לב מעובה, על פי מחקר ראשוני שיוצג במפגש המדעי של איגוד הלב האמריקני, ניו אורלינס, 202 סשן, נובמבר 57. היא חילופי מובילים עולמיים של ההתקדמות המדעית העדכנית ביותר, מחקר ועדכוני תרגול קליני מבוסס-ראיות במדעי הלב וכלי הדם.
חוקרים אמרו שזהו המחקר הפרוספקטיבי הראשון שהראה שאלגוריתם בינה מלאכותית יכול לזהות מחלות לב מבניות מרובות בהתבסס על אמצעים שנלקחו מחיישן א.ק.ג. חד-עופרת על הגב ועל הכתר הדיגיטלי של שעון חכם.
מיליוני אנשים עונדים שעונים חכמים, והם משמשים כיום בעיקר לאיתור בעיות בקצב הלב כמו פרפור פרוזדורים. מחלות לב מבניות, לעומת זאת, נמצאות בדרך כלל עם בדיקת אקו לב, בדיקת הדמיית אולטרסאונד מתקדמת של הלב הדורשת ציוד מיוחד ואינה זמינה באופן נרחב לבדיקות שגרתיות. במחקר שלנו, בדקנו האם אותם שעונים חכמים שאנשים עונדים מדי יום יכולים גם לעזור למצוא את מחלות הלב המבניות הנסתרות הללו מוקדם יותר, לפני שהן מתקדמות לסיבוכים רציניים או לאירועי לב".
אריה Aminorroaya, MD, MPH, מחבר המחקר, תושב רפואה פנימית בבית החולים ייל ניו הייבן ושלוחת מחקר במעבדה למדעי הלב וכלי הדם (CarDS) בבית הספר לרפואה ייל, ניו הייבן, קונטיקט
חוקרים פיתחו את אלגוריתם הבינה המלאכותית תוך שימוש ביותר מ-266,000 הקלטות א.ק.ג 12 עופרת מיותר מ-110,000 מבוגרים. בהתבסס על ספריית נתונים זו, הם פיתחו אלגוריתם לזיהוי מחלות לב מבניות מ-ECG חד-עופרת שניתן להשיג באמצעות חיישני שעון חכם. לשם כך, החוקרים בודדו רק אחד מ-12 הלידים של ה-ECG, הדומה לא.ק.ג. חד-הויל בשעונים חכמים. הם גם הסבירו הפרעות אקראי באיתות אק"ג או "רעש" שעלול להיווצר במהלך הקלטת א.ק.ג. מוביל יחיד באמצעות שעונים חכמים בעולם האמיתי. מודל הבינה המלאכותית עבר תוקף חיצוני לאחר מכן באמצעות נתונים מאנשים המבקשים טיפול בבתי חולים קהילתיים, כמו גם נתונים ממחקר מבוסס אוכלוסיה מברזיל. לאחר מכן, הם גייסו באופן פרוספקטיבי 600 משתתפים שעברו א.ק.ג באורך 30 שניות, תוך שימוש בשעון חכם כדי לאמוד את דיוק האלגוריתם בסביבה אמיתית.
הניתוח מצא:
- באמצעות א.ק.ג-עופרת אחת שהתקבלה מציוד בבתי חולים, מודל הבינה המלאכותית היה יעיל מאוד בהבחנה בין אנשים עם וללא מחלות לב מבניות, וציון 92% בסולם ביצועים סטנדרטי (כאשר 100% הוא מושלם).
- בין 600 המשתתפים עם א.ק.ג. מוביל אחד שהתקבל משעון חכם, מודל הבינה המלאכותית שמר על ביצועים גבוהים של 88% לזיהוי מחלות לב מבניות.
- אלגוריתם הבינה המלאכותית זיהה במדויק את רוב האנשים עם מחלות לב (רגישות של 86%) והיה מדויק מאוד בשלילת מחלות לב (ערך ניבוי שלילי של 99%).
"כשלעצמו, א.ק.ג. יחיד מוגבל; הוא לא יכול להחליף בדיקת א.ק.ג. של 12 עופרת הזמינה במסגרות בריאות. עם זאת, עם בינה מלאכותית, הוא הופך חזק מספיק כדי לסנן מצבי לב חשובים", אמר רוהן חרה, MD, MS, הכותב הבכיר של המחקר, ומנהל מעבדת CarDS. "זה יכול לאפשר בדיקה מוקדמת למחלות לב מבניות בקנה מידה גדול, באמצעות מכשירים שאנשים רבים כבר מחזיקים".
רקע לימודים, פרטים ועיצוב:
- החוקרים השתמשו במסד נתונים של 266,054 א.ק.ג. מ-110,006 חולים שקיבלו בדיקות וטיפול בבית החולים ייל ניו הייבן בין השנים 2015 ל-2023 כדי לפתח אלגוריתם AI-ECG לאיתור מחלות לב מבניות מא.ק.ג.
- האלגוריתם הותאם לסריקות אולטרסאונד לב כדי לראות אם יש להם מחלת לב מבנית או לא.
- לאחר מכן אושר מודל הבינה המלאכותית ב-44,591 מבוגרים המבקשים טיפול בארבעה בתי חולים קהילתיים ו-3,014 משתתפים ממחקר ELSA-Brasil המבוסס על אוכלוסייה. מחקר האורך הברזילאי לבריאות מבוגרים (ELSA-Brasil) אוסף מידע חשוב על האופן שבו מחלות כרוניות מתפתחות והתקדמות, תוך התמקדות בעיקר במחלות לב וכלי דם וסוכרת.
- כדי להכין את מודל הבינה המלאכותית לפענוח אותות מ-ECG-מובילים בודדים בעולם האמיתי, החוקרים הוסיפו קצת "רעש" – תחשבו על זה כמו מטושטש או סטטי – לתערובת לאימון מודלים. השינוי הקטן הזה עזר ל-AI להיות גמיש ואמין יותר כאשר הוא מתמודד עם אותות פחות ממושלמים, מה שהפך אותו טוב יותר באיתור מחלות לב מבניות גם כשהנתונים אינם ברורים.
- במהלך המחקר הפרוספקטיבי בעולם האמיתי, 600 מטופלים לבשו את אותו סוג של שעון חכם עם חיישן א.ק.ג. עם עופרת יחידה למשך 30 שניות באותו יום שבו קיבלו אולטרסאונד לב.
- הגיל החציוני של המשתתפים היה 62 שנים, וכמחצית היו נשים, 44% היו לבנים לא היספנים, 15% שחורים לא היספנים, 7% היספנים, 1% אסייתים ו-33% אחרים. כ-5% נמצאו כסובלים ממחלת לב מבנית באולטרסאונד הלב.
מגבלות המחקר כוללות מספר קטן של חולים עם המחלה בפועל במחקר הפרוספקטיבי ומספר התוצאות החיוביות השגויות.
"אנו מתכננים להעריך את כלי הבינה המלאכותית במסגרות רחבות יותר ולחקור כיצד ניתן לשלב אותו בתוכניות סקר מחלות לב מבוססות קהילה כדי להעריך את השפעתו הפוטנציאלית על שיפור הטיפול המונע", אמר Aminorroaya.
