ה-AI המתקדם של AIRE, שפותח תוך שימוש בנתונים מקבוצות חולים מגוונות, חוזה סיכון ותמותה למחלות לב בדיוק, ומעניק לרופאים כלים לטיפול ממוקד יותר במטופלים לטווח ארוך.
מחקר: אלקטרוקרדיוגרמה המאפשרת בינה מלאכותית להערכת תמותה והערכת סיכון קרדיווסקולרי: מחקר פיתוח ואימות מודל. קרדיט תמונה: Shutterstock AI
במחקר שפורסם לאחרונה בכתב העת ה-Lancetחוקרים פיתחו ואימתו מודל חדשני של בינה מלאכותית (AI) מוגברת של אלקטרוקרדיוגרפיה (ECG) המסוגל למנף את ההיסטוריה הרפואית של החולים ותוצאות ההדמיה כדי לחזות במדויק תמותה וסיכון למחלות לב וכלי דם (CVD).
אמנם לא הניסיון הראשון להשתמש בבינה מלאכותית בחיזוי מחלות ותמותה, אך יישום זה מתגבר על מגבלות המודלים הקודמים של זמניות, סבירות ביולוגית והסבריות, ומאפשר לו ליצור תחזיות שיכולות לתמוך בתובנות ניתנות לפעולה בקליניקה.
ממצאי המחקר גילו כי המודל החדש (ששמו 'AIRE') יכול לחזות במדויק תמותה מכל הסיבות, הפרעות קצב חדריות, CVD טרשת עורקים וסיכון לאי ספיקת לב.
זה עלה על מודלים קונבנציונליים של בינה מלאכותית בחישוב הערכות סיכון לטווח קצר וארוך, סיפק לקלינאים תובנות לתחזיות אבחון קצרות טווח של נקודת זמן בודדת והציע התערבויות ארוכות טווח, פרוגרסיביות עבור יתרת התמיכה התרופתית של המטופל.
רֶקַע
אלקטרוקרדיוגרמות (ECG) הן הערכות לא פולשניות, גרפיות של פעילות חשמלית קרדיווסקולרית. הטכניקה כוללת שימוש באלקטרודות חיצוניות הממוקמות באופן אסטרטגי במקומות ספציפיים על החזה, הזרועות והרגליים של המטופלים, ומספקת לרופאים ייצוגים חזותיים של אותות ומקצבים חשמליים של הלב.
א.ק.ג. היה שגרתי בהערכות קרדיווסקולריות ונשארו כמעט ללא שינוי מתודולוגית במשך למעלה מ-100 שנים.
ההתקדמות האחרונה ביכולות עיבוד המחשב וההופעה של הדור הבא של מודלים של למידת מכונה חזויה (ML) עוררו התרגשות בקהילת המחקר.
מאז 2020, קומץ מחקרים ניסו להשתמש במודלים של בינה מלאכותית (AI) מאומנת ב-ECG כדי לספק תחזיות לגבי סיכון CVD ותמותה של חולים, תוך הדגשת ביצועי המודל – כמעט בכל יישום של AI בחיזוי סיכון מחלות/תמותה, מודלים של בינה מלאכותית משיגים ביצועי אבחון וחיזוי המשווים או עולים על תחזיות המומחים האנושיים.
למודלים של בינה מלאכותית יש אפוא פוטנציאל להפחית את עומסי המטופלים על רופאים (מספר מטופלים שנקבע גיאוגרפית למספר רופאים), במיוחד באזורים כפריים ובלתי מפותחים, תוך זירוז מהירות האבחון והפחתת הנטל הכספי על המטופלים עצמם.
למרבה הצער, למרות אימות הבטיחות והביצועים המבוססים על ניסויים קליניים, מודלים של א.ק.ג משופרים בינה מלאכותית נמצאים בשימוש נדיר ביישומי אק"ג בעולם האמיתי.
"מודלים של חיזוי תמותה קיימים מוגבלים על ידי חיזוי הישרדות באחת או במספר קטן של נקודות זמן מוגדרות ואינם מספקים מידע על מסלולים ספציפיים שניתן לפעול בהם. חיזוי בסיכון גבוה אינו מועיל לרופא אם אין מידע נלווה כיצד לשפר את מסלול ההישרדות של המטופל שלו. לפיכך, הפיכת תחזיות AI-ECG למעשיות יותר דורשת התחשבות בתחזיות מזמן לאירוע ותחזיות ספציפיות למחלות עם טיפולים מונעים ומשנים מחלה מבוססים".
מנקודת המבט המחקרית, בעוד שהם מדויקים, יישומי AI קודמים סיפקו הסברים לא מספקים של ביצועי המודל ('קופסה שחורה' חישובית) וסבירות ביולוגית, מה שהוביל את הרופאים להסס לסמוך על תחזיות המודל.
על המחקר
במחקר הנוכחי, חוקרים מפתחים, מאמנים ומאמתים שמונה מודלים חדשים של הערכת סיכון AI-ECG (AIRE) (המכונה ביחד 'פלטפורמת AIRE') שמטרתם לחזות את הסיכון לתמותה (כל-סיבה וקרדיווסקולרי) ללא המגבלות של יישומי AI קודמים.
נתוני המחקר התקבלו מחמישה מקורות מגוונים מבחינה גיאוגרפית המקבלים טיפול קליני חופף מינימלי. אלה כוללים את הקוהורט של בית ישראל Deaconess Medical Center (BIDMC) (מערך נתונים לטיפול בחולים משני), קבוצת המחקר של סאו פאולו-מינאס גראיס לרפואה טרופית (SaMi-Trop) (מערך נתונים כרוני של Chagas cardiomyopathy), המחקר האורך של בריאות מבוגרים (ELSA -ברזיל) עוקבה (עובדי ציבור), וקבוצת BioBank (UKB) בבריטניה (בריטניה) (מתנדבים). קבוצת התוצאות הקליניות באלקטרוקרדיוגרפיה דיגיטלית (CODE) שימשה בנוסף לכוונון ביצועי המודל.
פיתוח מודל AI בוצע באמצעות קבוצת BIDMC לגזירת מודל. מערך הנתונים חולק באופן אקראי לאימון (50%), אימות (10%) ו-40% לבדיקות פנימיות.
ארכיטקטורות רשתות עצביות קונבולוציוניות מבוססות שיוריות אפשרו לחוקרים לשלב גישת הישרדות בזמן דיסקרטי, תוך יצירת עקומות הישרדות ספציפיות למטופל, המסבירות הן את תמותה המשתתפים והן את הצנזורה (חוסר יכולת מעקב).
שיפורי מודלים הקשורים לנתוני CODE כללו שימוש ב-75% ממערך הנתונים עבור כוונון עדין של פרמטרי המודל, 5% עבור אימות כללי (חיצוני) ו-20% עבור אימות טיפול ראשוני פנימי.
בנוסף, חמישה מודלים נוספים המתמקדים במוות CV (AIRE-CV מוות), מוות ללא קורי חיים (AIRE-NCV מוות), מחלות לב וכלי דם טרשתיות (AIRE-ASCVD), הפרעות קצב חדריות (AIRE-VA) ואי ספיקת לב (AIRE- HF) נגזרו באמצעות גישות דומות.
ניתוחים סטטיסטיים שימשו למדידת ביצועי המודל, במיוחד בהשוואה לתפיסות מומחים אנושיים ו-Stanford Estimator of ECG Risk (SEER). מודלים של Cox (מותאמים לדמוגרפיה, נתונים קליניים ופרמטרים של הדמיה) ועיקומי קפלן-מאייר הופעלו לחישוב דיוק המודל הדיפרנציאלי. הסבירות הביולוגית הוסברה באמצעות מחקרי אסוציאציה רחבי תופעה (PheWAS) ומחקרי אסוציאציה רחבה של גנום (GWAS) כדי לזהות סמנים לבביים ומטבוליים רלוונטיים.
ממצאי מחקר
תוצאות בדיקת המשך גילו כי AIRE יכול לחזות תמותה מכל הסיבות עם ערכי קונקורדנציה = 0.775. יש לציין כי הפלטפורמה נצפתה כבעלת ביצועים טובים יותר על מנבאי גורמי סיכון קונבנציונליים (מדד C מצטבר = 0.759) הן בתחזיות הוליסטיות (AIRE Cox C-index = 0.794) והן בתחזיות מוות קרדיווסקולריות (C-index = 0.844), מה שמדגיש את דיוק המודל.
יש לציין כי AIRE הייתה מסוגלת לחזות במדויק אירועים של אי ספיקת לב בקרב משתתפים ללא היסטוריה אישית או משפחתית של CVD, דבר הרלוונטי במיוחד מכיוון שהאבחנות הקונבנציונליות באוכלוסיות אלו מתעכבות בדרך כלל.
למרבה המעודד, תוצאות AIRE נותרו חזקות גם כאשר סופקו נתוני א.ק.ג. מוביל יחיד (ממכשירים צרכניים; מכשירי א.ק.ג. קליניים משתמשים בין 8-12 לידים), תוך הדגשת היישום של הפלטפורמה בניטור סיכון CVD להישאר בבית.
ניתוחי PheWAS ו-GWAS גילו כי המודל סיפק סבירות ביולוגית מספקת, והסביר כי מדדי לחץ ריאתי פונדקאיים וקוטר החדר נמצאו בקורלציה הפוכה להישרדות החזויה, בעוד שקטע פליטת החדר השמאלי (LVEF) הראה מתאם ישיר.
מסקנות
המחקר הנוכחי מפתח ומאמת את פלטפורמת הערכת ה-EKG המשופרת ביותר מבחינה קלינית מבחינה קלינית – פלטפורמת AIRE.
ממצאי המחקר גילו כי הפלטפורמה מתעלה על תחזיות קונבנציונליות מבוססות אדם ומודלים דומים של AI מהדור הישן יותר בדיוק ניבוי ללא צורך של האחרון בנתונים דמוגרפיים או היסטוריה רפואית.
יש לציין כי המודל נשאר חזק גם כאשר הוא סופק עם נתוני עופרת בודדת ממכשירי צרכנים, והדגיש את הפוטנציאל של AIRE לניטור מטופלים מרחוק, במיוחד בקרב אלה ללא היסטוריית CVD רפואית או אלו באזורים מרוחקים ללא תמיכה קלינית מספקת.
"…פלטפורמת AIRE היא פלטפורמת הערכת סיכוני AI-ECG ניתנת לפעולה, ניתנת להסבר והסבירה מבחינה ביולוגית, בעלת פוטנציאל לשימוש ברחבי העולם במגוון רחב של הקשרים קליניים, כולל טיפול ראשוני ומשני, לסיכון לטווח קצר וארוך טווח. חיזוי ברמות אוכלוסייה ומחלות ספציפיות".
