במחקר שפורסם לאחרונה בכתב העת רפואת טבעחוקרים העריכו את הפוטנציאל של אלקטרוקרדיוגרמה (ECG) המאפשרת אינטליגנציה מלאכותית (AI) לזיהוי חולים מאושפזים בסיכון למוות.
הנטל של מחלות קשות צפוי לעלות עם הזדקנות האוכלוסייה. טיפול נמרץ בנבדקים חולים קשים מפחית תמותה, אך עיכובים עלולים להוביל לתוצאות שליליות. בעוד שניתן היה למנוע את רוב המעצרים בבית החולים, זיהוי הסימנים המוקדמים להידרדרות עלול להיות קשה. בתי חולים בבתי חולים פרסו מערכות תגובה מהירה (RRS) כדי לנהל ירידה קלינית. מערכת המסלול וההדק (TTS) היא קריטית להפעלת RRS.
ניתן לשלב TTS בבית החולים לקבלת התראות בזמן אמת, מה שעשוי לשפר את איכות הטיפול הקריטי. בעבר, החוקרים פיתחו א.ק.ג (AI-ECG) המותאם לבינה מלאכותית כדי לרבד את סיכון התמותה ולחזות תמותה מכל הסיבות. הם הראו ש-AI-ECG תפקד טוב יותר בניבוי תמותה של 30 יום מאשר תמותה של שנה אחת. בעוד ש-AI-ECG יכול לשמש כ-TTS יעיל, אין עד כה ניסויים מבוקרים אקראיים רלוונטיים.
מחקר: התערבות התרעה על אלקטרוקרדיוגרפיה התומכת ב-AI ותמותה מכל סיבה: ניסוי קליני אקראי פרגמטי. קרדיט תמונה: totojang1977 / Shutterstock
לגבי המחקר
במחקר הנוכחי, החוקרים יישמו AI-ECG על TTS כדי לזהות חולים מתדרדרים שמצבם עשוי להיות הפיך ולהעריך יתרונות פוטנציאליים. ניסוי זה בוצע בבית חולים קהילתי ובמרכז רפואי אקדמי בטייוואן. נתוני המטופלים נאספו מרשומות בריאות אלקטרוניות (EHRs) ונכללו בניתוח אם קיבלו א.ק.ג עבור אינדיקציה כלשהי בין ה-15 בדצמבר 2021 ל-30 באפריל 2022.
נבדקים מתחת לגיל 18 ואלה עם עיכוב של למעלה משעתיים בין ניתוח א.ק.ג ל-AI-ECG לא נכללו. הפלט של AI-ECG היה ערך שנע בין אינסוף שלילי לחיובי; לפיכך, זה הומר לציון אחוזון. החולים סווגו כסיכון נמוך או גבוה בהתבסס על סף שנקבע מראש, וה-TTS יושם בהתאם.
בוצעו מספר ניתוחים כדי להעריך את הביצועים של ציוני האחוזון. מאפייני המטופלים והבדלי ה-ECG הושוו בין קבוצות בסיכון נמוך וגבוה. יתרה מכך, ניתוח מקדם המתאם של ספירמן בוצע תוך שימוש בשלושת המשתנים המשמעותיים ביותר המתואמים עם ציוני האחוזון. תחזיות AI-ECG עוצבו ודורגו תוך שימוש בכל המשתנים באמצעות XGBoost.
התוצאות של מודלים של למידת מכונה הושוו עם ציוני AI-ECG. מודלים פרופורציונליים של Cox ניתחו את הקשר בין ריבוד סיכון AI-ECG לבין סיבת המוות. ברגע ש-AI-ECG הצביע על סיכון גבוה, הרופא קיבל הודעת התראה. הרופאים הונחו להעריך באופן מקיף את החולים לאחר קבלת ההתראה ולארגן בדיקות והתערבויות מתאימות.
בעוד שהתרעות נשלחו במיוחד למקרים בסיכון גבוה, רופאים עדיין יכלו לגשת לדוחות AI-ECG עבור חולים בסיכון נמוך בקבוצת ההתערבות באמצעות רשומות בריאות אלקטרוניות (EHRs). לעומת זאת, רופאים בקבוצת הביקורת קיבלו את דוחות ה-AI-ECG ללא כל התראות בזמן אמת, בהתאם לפרוטוקול הטיפול הרגיל. נקודת הסיום העיקרית של המחקר הייתה תמותה מכל הסיבות בתוך 90 יום. נקודות קצה משניות כללו ניתוחים מפורטים של סיבת המוות, כמו גם תדירות וסוגי בדיקות המעקב והטיפולים הרפואיים שהחלו לאחר הערכות ה-ECG.
ממצאים
בסך הכל, נכללו 39 רופאים ו-15,965 חולים. קבוצת ההתערבות כללה 8,001 חולים, בעוד שבקבוצת הביקורת היו 7,964 חולים. AI-ECG ריבד 709 ו-688 חולים מקבוצות התערבות וביקורת כבעלי סיכון גבוה לתמותה, בהתאמה. הרופאים קיבלו התראות עבור חולים בקבוצת ההתערבות ובהתאם לכך סידרו מעקב או טיפול אינטנסיבי רלוונטי. הצוות מצא כי הגיל נמצא בקורלציה גבוהה עם ציון הסיכון ל-AI-ECG.
יתר על כן, קצב לב וציון אזהרה מוקדמת שונה (MEWS) היו קשורים מאוד עם הציון בחולים בסיכון בינוני עד גבוה. AI-ECG היה טוב משמעותית ממאפייני הבסיס של המטופלים בניבוי הסיכון לתמותה. לקבוצת הסיכון הגבוה היה יחס סיכון של 7.53 לתמותה מכל הסיבות, מותאם לגיל ומין. יתרה מכך, יכולת הניבוי שלו הייתה גבוהה בהרבה למקרי מוות לבביים בהשוואה למקרי מוות שאינם לבביים.
יש לציין כי יכולת הניבוי הייתה הגבוהה ביותר למוות עקב הפרעת קצב. היה הבדל משמעותי בשיעור המצטבר של מקרי מוות בין הקבוצות. ההתראות האקטיביות של AI-ECG הפחיתו את סיכון התמותה בקבוצת ההתערבות מ-23% ל-16%. עם זאת, הזדמנות לעיין בדוחות AI-ECG לבעלי סיכון נמוך סיפקה רק מעט עזרה. לקבוצת הסיכון הגבוה היה סיכון נמוך משמעותית למוות לבבי ולא לבבי.
מסקנות
יחד, המחקר הוכיח ששימוש ב-AI-ECG הביא להפחתה משמעותית בתמותה. ניתן לייחס את ההצלחה של RRS זה באמצעות AI-ECG לתשומת לב גבוהה יותר של הרופאים. הצוות מעריך ממוצע של 10 התראות או פחות בחודש עבור כל מטופל בעת פריסה בזמן אמת עבור כל המטופלים בעתיד.
בעוד המנגנונים המדויקים שבאמצעותם מערכת AI-ECG הביאה להפחתת תמותה אינם ידועים, הוצעו שני הסברים אפשריים. ראשית, למערכת יכולות ריבוד סיכונים יוצאות דופן, המאפשרות לרופאים לשים לב יותר. שנית, המערכת עשויה לזהות שינויים עדינים במצבי הלב הבסיסיים ממאפייני ECG לא ידועים.
לא כל יום #AI הוכח כמציל חיים.
(למעשה, זו הפעם הראשונה!) https://t.co/iRbSBmRsoU— אריק טופול (@EricTopol) 29 באפריל, 2024
