סריקת א.ק.ג פשוטה יכולה כעת לחזות את הסיכון שלך למחלות לב, אלצהיימר וסרטן לפני מופיעים תסמינים-תודה למעקב אחר גיל ביולוגי המופעל על ידי AI.
מחקר: סיווג מחדש של הערכת הסיכון המקובלת למחלות הקשורות להזדקנות על ידי גיל ביולוגי המאפשר אלקטרוקרדיוגרמה. קרדיט תמונה: Totojang1977 / Shutterstock
במחקר שפורסם לאחרונה בכתב העת הזדקנות NPJהחוקרים העריכו אם אלקטרוקרדיוגרמה עם בינה מלאכותית (AI) המותאמת לגיל ביולוגי (ECG-BA) משפרת את סיווג הסיכונים למחלות הקשורות להזדקנות מעבר לגיל הכרונולוגי (CA).
רֶקַע
האם ידעת ששני אנשים באותו גיל יכולים להיות בעלי תוצאות בריאות שונות באופן דרסטי? הזדקנות משפיעה על אנשים באופן שונה, כאשר חלקם נשארים פעילים ונטולי מחלות ואילו אחרים מפתחים מצבים חמורים.
הזדקנות היא תהליך אוניברסאלי המוביל לירידה פיזיולוגית, מה שמגדיל את הסיכון להפרעות נוירו -ניווניות, קרדיווסקולריות (CV), מטבוליות, שרירים ושלד וחיסוני. CA משמש לרוב במודלים של חיזוי מחלות, ובכל זאת הוא לא מצליח לתפוס את השונות בהזדקנות הביולוגית בין יחידים. המחקר הדיר אנשים עם מצבים קיימים כמו יתר לחץ דם, סוכרת ואי ספיקת לב כדי להתמקד באוכלוסייה "בריאה".
ECG-BA, שמקורו בסמנים ביולוגיים פיזיולוגיים, מספק מדד מותאם אישית יותר למצב הבריאותי. AI מאפשר כעת ניתוח בזמן אמת של אותות א.ק.ג להערכת ECG-BA, ולשפר את ריבוד הסיכון. אימות צולב פי חמישה הוחל על מנת לייעל את ביצועי הדגם, מה שמבטיח תוצאות חזקות. יש צורך במחקר נוסף כדי לאמת את ערכה החיזוי לאוכלוסיות מגוונות.
על המחקר
המחקר נעשה שימוש בהקלטות א.ק.ג שנאספו מבית החולים הכללי של טייפיי, בין השנים 2006-2017. בתחילה נרשמו 51,061 א.ק.ג. תקפים, אך לאחר יישום קריטריוני הרחקה, נותחו 48,783 אנשים בריאים בגילאי 20-80 שנים.
מודל למידה עמוקה המשלב רשת שיורית (RESNET), רשת סחיטה והוצאת (SENET) ולמידה רב-משיכה פותחה כדי להעריך את ECG-BA מ- ECGs 12-Lead. המודל עבר אופטימיזציה באמצעות Adam Optimizer, אשר משקולות רשת מכוונות עדינות לדיוק משופר. CA ורישומים רפואיים נקשרו באמצעות סיווג בינלאומי של קודי מחלות (ICD) כדי לקטלג את המשתתפים למחלות וקבוצות ביקורת הקשורות להזדקנות.
אימוני מודלים היו כרוכים באימות צולב פי חמישה כדי לייעל את הביצועים. מדד ההערכה העיקרי היה המתאם בין ECG-BA ל- CA באוכלוסייה בריאה.
ביצועי אבחון עבור מחלות קורות חיים ואינן CV הוערכו באמצעות שטח תחת עקומות מאפייני הפעולה של המקלט (ROC). שיפור סיווג נקי (NRI) חושב כדי למדוד את השיפור בסיווג הסיכון לאחר שילוב ECG-BA.
ניתוח סטטיסטי כלל רגרסיה לוגיסטית מותנית כדי להעריך את התועלת החזויה של המודל בסיווג מחלות. השגיאה המוחלטת הממוצעת של המודל (MAE) הייתה 6.25 שנים, עם שגיאת אחוז מוחלטת ממוצעת (MAPE) של 15.35%, מה שמצביע על דיוק חזוי חזק בהשוואה לדגמים קודמים.
עיבוד נתונים ויישום מודל נערכו באמצעות פיטורץ ', כאשר תוצאות תוקפו כנגד מדדים קליניים מבוססים.
תוצאות המחקר
דמיין שאתה מסוגל לחזות סיכונים בריאותיים עתידיים עם א.ק.ג מחקר זה מגלה כי ECG-BA הוא כלי רב עוצמה לזיהוי מחלות הקשורות להזדקנות מוקדם יותר ומדויק יותר מאשר CA בלבד.
המודל הראה מתאם חזק בין ECG-BA ל- CA (R² = 0.70, p <0.01). דיוק החיזוי של המודל היה גבוה יותר מדגמי ECG מבוססי AI, שהיו להם שולי שגיאה גדולים יותר. עם זאת, הערך האמיתי של טכנולוגיה זו הוא יכולתה לזהות אנשים הנמצאים בסיכון לפתח מחלות חמורות לפני שמופיעים תסמינים מסורתיים.
בהשוואה לשימוש ב- Ca בלבד, שילוב ECG-BA שיפר משמעותית את חיזוי הסיכון במצבים כמו מחלת עורקים כלילית (CAD), שבץ מוחי ואוטם שריר הלב (MI).
לדוגמה, שיפור הסיווג מחדש נטו (NRI) למחלה אסתמנית עורקים היקפית (PAOD) היה 1.1% (מ- 0.8632 ל- 0.8653, p <0.01), כלומר סיווג סיכונים מעודן של ECG-BA מעבר ל- CA בלבד. סיווג סיכוני הסרטן השתפר ב- 29% מבחינת NRI, והדגימה כי טכנולוגיה זו יכולה לשכלל הערכות רפואיות ולמקד לאנשים בסיכון גבוה בצורה יעילה יותר.
להשפעה בעולם האמיתי, שקול גילוי סרטן. אבחון מוקדם יכול להיות ההבדל בין חיים למוות. המחקר הדגים כי ECG-BA תיקן 21% מהסיווגים השגויים שנעשו על ידי CA בלבד, והפחית את מספר החולים המסווגים באופן שגוי. המשמעות היא שניתן לזהות יותר אנשים בסיכון גבוה מוקדם יותר, מה שעשוי לאפשר התערבויות מתוזמנות שמצילות חיים.
השיפורים המשמעותיים ביותר נצפו אצל אנשים מגיל 40 ומעלה, מה שמחזק את הרעיון כי הזדקנות ביולוגית – לא רק מספר השנים שחיו – יש לקחת בחשבון בהערכות הבריאות.
למרות הצלחתו בזיקוק תחזית המחלות, למודל היו מגבלות בחיזוי מצבים הקשורים להפרעות קצב כמו פרפור פרוזדורים (AF) ותסמונת סינוס חולה (SSS). המחקר עולה כי הפרעות קצב מושפעות מגורמים שמעבר להזדקנות, כמו יתר של בלוטת התריס, עישון והרגלי אורח חיים, מה שעשוי להסביר מדוע ECG-BA פחות יעיל לתנאים אלה.
עם זאת, עבור מצבים המונעים על ידי הזדקנות ביולוגית, כמו מחלת אלצהיימר (AD) ודלקת מפרקים ניוונית (OA), כלי זה מהווה הזדמנות פורצת דרך להעצים את הגילוי המוקדם ואסטרטגיות בריאות מונעות.
עם הנגישות הגוברת של ניטור א.ק.ג באמצעות מכשירים לבישים, לממצאים אלה יש השלכות מרחיקות לכת. עם זאת, המחקר מציין כי דגמי ECG-BA זקוקים לאימות נוסף על פני מכונות א.ק.ג שונות, כמו פיליפס ו- GE Healthcare, שכן וריאציות בהגדרות המכשירים עשויות להשפיע על התחזיות.
תאר לעצמך עתיד בו א.ק.ג. שגרתי לא רק מגלה בעיות לב מיידי, אלא גם מספקות ציון סיכון מזדקן בהתאמה אישית, ומסייע לאנשים לנקוט בצעדים יזומים לשמירה על בריאות לטווח הארוך.
מחקר זה מציין צעד משמעותי לעבר אותו עתיד, ומדגים כי ECG-BA יכול לעצב מחדש רפואה מונעת והערכת סיכונים, ובסופו של דבר לשפר את תוצאות הבריאות ברחבי העולם.
מסקנות
לסיכום, ECG-BA מספק ערך נוסף בסיווג סיכונים למחלות הקשורות להזדקנות מעבר ל- Ca. המודל מבוסס הלמידה העמוקה הדגים שיפורים משמעותיים ברמת הדיוק החזוי, במיוחד בתנאי קורות חיים, AD, OA וסוגי סרטן.
ניתוח שיפור סיווג נקי (NRI) הצביע על כך ששילוב ECG-BA יכול לתקן סיווג שגוי ב 21% מהמקרים, כאשר השיפור הגבוה ביותר (29%) נצפה בתחזית סיכון לסרטן. התוצאות מדגישות את הפוטנציאל של א.ק.ג 'כסמן ביולוגי לא פולשני, חסכוני להזדקנות מערכתית.
עם זאת, המחקר מדגיש גם את הצורך באימות רב מרכזי כדי לאשר את ההכללה בין אוכלוסיות ופלטפורמות מכשירים מגוונות.
