מודל בינה מלאכותית (AI) שהוכשר לאיתור עורקים כליליים חסומים על בסיס קריאות אלקטרוקרדיוגרמה (ECG) שבוצעו טוב יותר מאשר קלינאים מומחים והיה בשווה לבדיקות טרופונין T, על פי מחקרים שהוצגו במפגש המדעי האמריקני של המכללה האמריקאית לקרדיולוגיה (ACC.25). הממצאים מראים כי מודל ה- AI של קוד פתוח זמין באופן חופשי יכול לעזור לרופאים לזהות במהירות רבה יותר חולים הזקוקים לטיפול דחוף בהתקף לב.
כלי AI אחרים פותחו עם מטרה דומה, אך המודל החדש הוא הראשון שתוכנן במפורש ליישום רחב באוכלוסיית מחלקת חירום כללית ולא באוכלוסייה בסיכון גבוה שנבחרו מראש. החוקרים מצפים שזה יהיה מועיל במיוחד בגילוי התקף לב ללא העלאת קטע ST (NSTEMI), הסוג הקשה ביותר של התקף לב עבור הקלינאים לאבחון.
לניתוח א.ק.ג במחלקת החירום יש לעתים קרובות שונות גבוהה. בעוד שלמטופלים עם העלאת קטע ST יש שינויים ב- ECG שהם די מובחנים, ישנם מספר גדול של חולים הזקוקים לניתוח מחדש כלילי דחוף שאין להם העלאת קטע ST; מכיוון שהשינויים ב- ECG אינם ברורים באותה מידה, מטופלים אלה יכולים לחוות עיכובים בטיפול. מטרתנו הייתה להאיץ תהליך זה כדי לזהות חולים שעשויים להזדקק לניתוח מחדש מוקדם יותר. "
אנטוניוס בושר, ד"ר, מדען הקלינאי בבית החולים האוניברסיטאי מינסטר במינסטר, גרמניה והסופר הראשון של המחקר
המחקר התמקד בהתקפי לב מסוג 1, הכוללים התקפי לב של STEMI וגם NSTEMI ומתרחשים כאשר לוחית מצטברת בעורקי הלב ובקרע, חוסמת או הפחתה זרימת דם לשריר הלב. כמות הנזק תלויה בכמות שריר הלב שנשלל מחמצן ובזמן הטיפול בניתוח מחדש של הכליליות, נוהל לפתיחת עורקים חסומים. שני המכשירים העיקריים לאבחון התקפי לב הם א.ק.ג., שניתן לבצע במהירות לגילוי חתימות של התקף לב המבוסס על דפוסים בפעילות החשמלית של הלב, ובדיקות דם טרופונין T, שהם רגישים יותר אך הם גם חיוביים לעתים קרובות בתנאים רבים מלבד התקף לב מסוג 1, שיכולים לסבך את הפרשנות שלהם ולהגדיל את אי -הוודאות האבחונית. מחלקות חירום רואות נפחים גבוהים של חולים עם תסמיני התקף לב אפשריים, ויש צורך דחוף בשיטות משלימות כדי לזהות טוב יותר אילו חולים זקוקים לטיפול מחדש של revascularization.
עבור המחקר החדש, החוקרים פיתחו מודל למידה עמוקה לגילוי תכונות של א.ק.ג המציין אם סביר להניח שמטופל ידרוש מחדש דחוף דחוף. הם אימנו את המודל ברשומות בריאות מכמעט 145,000 ביקורי מחלקת חירום במרכז יחיד בארצות הברית ובדקו אותו בקבוצה של למעלה מ -35,000 ביקורים מאותו מקור. לאחר מכן הם ביצעו אימות חיצוני באמצעות רשומות של מעל 18,000 ביקורי מחלקת חירום במרכז בגרמניה. המודל קיבל תוקף לתוצאת האימונים הראשונית של revascularization כלילי ונקודת הסיום הרלוונטית יותר מבחינה קלינית של אבחון התקף לב מסוג 1. המודל סיווג כל מטופל כסיכון נמוך, ביניים או גבוה על בסיס קריאות א.ק.ג בלבד.
בעזרת מדד הנפוץ להערכת ביצועי המודל המכונה שטח תחת המקלט המפעיל עקומה מאפיינית, או AUC, כאשר ערך של אחד פירושו אפליה מושלמת ו- 0.5 פירושו אין אפליה, השוו החוקרים את דיוק המודל תוצאות לזו של הקלינאים, בדיקת טרופונין קונבנציונאלית ובדיקות טרופונין ברגישות גבוהה. על פי התוצאות, המודל השיג AUC של 0.91 בקבוצת הבדיקה הפנימית, והעלה על ביצועי פרשנות א.ק.ג של הקלינאי (0.65) ובדיקת טרופונין קונבנציונאלית (0.71). בקבוצת האימות החיצונית, המודל השיג AUC של 0.85 כדי לאתר חולים עם התקף לב מסוג 1 ו- 0.81 כדי לחזות מחדש את revascularization. הדיוק האבחוני הכולל היה גבוה יותר מהקלינאים (0.74 ו- 0.70), וגילוי התקף לב מסוג 1 היה בשווה עם טרופונין T רגישות גבוהה עכשווית (0.87), שהיה ברגישות גבוהה יותר אך ספציפיות נמוכה יותר.
"ראינו שהביצועים של המודל היו טובים יותר מפרשנות אנושית וכמעט התאימו לדיוק של בדיקות טרופונין רגישות גבוהה", אמר בוש. "אמנם המודל אינו נועד לשמש כמבחן אבחון עצמאי, אך הוא יכול לשפר מאוד את פרשנות ה- ECG במחלקת החירום ולהפחית את חוסר הוודאות במהלך אימון מחלקת החירום."
בקבוצת האימות, החוקרים גילו סדרה של מקרים בהם התרחש התקף לב אך בתחילה לא אובחן. כשהוא מציין כי המודל היה מזהה מקרים אלה מספר שעות קודם לכן, הציע בושש כי ניתן להשתמש במודל כדי להתריע בפני הצוות הרפואי או להפעיל אוטומטית בדיקות טרופונין רגישות גבוהה כדי לאשר או לשלול התקף לב.
Büscher אמר כי חוזק אחד של המודל בהשוואה לכלי AI אחרים הוא יכולת ההסבר העצמית שלו, כלומר החוקרים הצליחו לזהות את התכונות שהמודל המשמש לקבלת החלטות ולחיבורם לסמנים מבוססים קלינית. זה הופך את העבודה לצעד חשוב במגמה הרחבה יותר לשילוב כלי AI בתמיכת החלטות רפואיות.
"מטרה משותפת עם סוגים אלה של דגמים היא לעשות את מרבית השימוש בנתונים שיש לנו, ולהשלים את ההנמקה הקלינית של הרופאים על ידי איסוף כמה ניואנסים בנתונים שעלולים להיות מעורפלים בעין האנושית", אמר בישר. "אני חושב שאנחנו עדיין בהתחלה בתחום זה, אבל בעתיד לא רחוק מדי, סוגים אלה של דגמים ישמשו כבדיקות אבחון שגרתיות."
בעוד שהביצועים תמיד צפויים לרדת כאשר משתמשים במודל באוכלוסייה שונה ממה שהוא הוכשר, המודל צריך להיות מיושם ברוב המדינות המפותחות, אמר בישר. מכיוון שהוא הופך להיות זמין גלוי, חוקרים או בתי חולים יכולים גם לכוונן את המודל לנתונים משלהם כדי להגדיל את הדיוק שלו באוכלוסיות ספציפיות.
מחקר פרוספקטיבי להערכת התועלת המעשית של המודל והיתרונות הפוטנציאליים בהקשר קליני נמצא כיום בשלבי התכנון.
המחקר מומן על ידי המרכז הבינתחומי למחקר קליני באוניברסיטת מנסטר.
מחקר זה פורסם במקביל באופן מקוון ב כתב העת האירופי לב בזמן המצגת.
