Sztuczna inteligencja w diagnostyce tetralogii Fallota
Sztuczna inteligencja może pomóc w identyfikacji pacjentów po operacji tetralogii Fallota, którzy wymagają dokładniejszego monitorowania za pomocą MRI.
Sztuczna inteligencja zastosowana w standardowym elektrokardiogramie (EKG) może pomóc lekarzom w lepszym identyfikowaniu pacjentów z naprawioną tetralogią Fallota, którzy wymagają bliższego monitorowania za pomocą rezonansu magnetycznego serca (MRI), co może poprawić dostępność, efektywność i personalizację opieki.
Badacze z Mount Sinai Kravis Children's Heart Center przeprowadzili badanie wieloośrodkowe, aby opracować i zwalidować model sztucznej inteligencji (AI) zdolny do wykrywania klinicznie istotnych zmian w sercu u pacjentów z naprawioną tetralogią Fallota na podstawie rutynowego EKG. Badanie, wspierane przez National Institutes of Health, zostało opublikowane w European Heart Journal: Digital Health.
Wyzwania związane z monitorowaniem przez całe życie
Tetralogia Fallota to wrodzona wada serca, która zazwyczaj jest korygowana chirurgicznie we wczesnym dzieciństwie. Pomimo udanej naprawy, pacjenci wymagają całe życie monitorowania zmian w rozmiarze i funkcji serca, szczególnie przerostu komór, co może wskazywać na pogarszające się zdrowie serca.
Rezonans magnetyczny serca (MRI) jest uważany za złoty standard w tym monitorowaniu. Jednak MRI jest kosztowne, czasochłonne i nie zawsze dostępne. W rezultacie wielu pacjentów nie otrzymuje obrazowania w zalecanych odstępach, co zwiększa ryzyko, że istotne klinicznie zmiany pozostaną niezauważone.
Uczenie się na podstawie danych EKG i MRI
W nowym badaniu badacze wytrenowali model AI, wykorzystując sparowane dane EKG i MRI serca pacjentów z naprawioną tetralogią Fallota. Model został następnie zwalidowany w pięciu dodatkowych szpitalach w Ameryce Północnej, co pozwoliło badaczom ocenić jego działanie w różnych środowiskach klinicznych.
System AI nauczył się rozpoznawać subtelne wzorce EKG związane z przerostem komór — zmianami w rozmiarze serca i funkcji pompowania, które zazwyczaj są identyfikowane za pomocą MRI. Według badaczy, wyniki sugerują, że proste, powszechnie dostępne EKG, wzbogacone o AI, może pomóc oszacować, którzy pacjenci mogą najbardziej skorzystać z wcześniejszego lub częstszego skanowania MRI.
Kluczowe ustalenia
Badanie podkreśla kilka istotnych punktów dla praktyki klinicznej i innowacji w zdrowiu cyfrowym:
- Wzbogacone o AI EKG mogą wspierać stratygrafię ryzyka: Rutynowe EKG może pomóc zidentyfikować pacjentów z wyższym ryzykiem przerostu komór, którzy powinni być priorytetowo traktowani w zakresie MRI.
- Potencjalne zyski w dostępie i efektywności: Bezpieczne opóźnienie MRI u pacjentów o niższym ryzyku może pozwolić lekarzom na bardziej efektywne przydzielanie zasobów obrazowania.
- Walidacja lokalna jest kluczowa: Wydajność modelu różniła się między szpitalami, co podkreśla potrzebę testowania narzędzi AI w każdym środowisku klinicznym przed wdrożeniem.
„To badanie pokazuje, jak sztuczna inteligencja może wydobyć nową wartość z rutynowego EKG,” powiedział Son Duong, MD, MS, asystent profesora pediatrii i sztucznej inteligencji w Icahn School of Medicine w Mount Sinai i główny autor badania. „Naszym celem jest uczynienie monitorowania serca przez całe życie bardziej dostępnym i efektywnym dla osób urodzonych z wrodzoną wadą serca.”
Uzupełnienie, a nie zastąpienie
Badacze podkreślają, że model AI nie ma na celu zastąpienia MRI serca. Został zaprojektowany jako narzędzie wspierające decyzje, które ma pomóc lekarzom określić, kiedy zaawansowane obrazowanie jest najbardziej pilnie potrzebne.
„W miarę jak AI staje się coraz bardziej zintegrowana z opieką zdrowotną, kluczowe jest rygorystyczne walidowanie tych narzędzi w różnych środowiskach klinicznych,” powiedział Girish Nadkarni, MD, MPH, współautor i przewodniczący Windreich Department of Artificial Intelligence and Human Health w Mount Sinai Health System. „Nasze wyniki pokazują zarówno obietnicę skanowania wspomaganego przez AI, jak i znaczenie testowania wydajności w każdym miejscu przed wdrożeniem w rzeczywistych warunkach.”
Dlaczego to ważne
Pacjenci z wrodzonymi wadami serca często stają przed wieloma latami specjalistycznej opieki. Łącząc AI z prostym EKG, podejście opisane w tym badaniu może:
- Zmniejszyć niepotrzebne testy i związane z nimi koszty opieki zdrowotnej
- Poprawić dostęp do zaawansowanego obrazowania dla pacjentów, którzy najbardziej tego potrzebują
- Umożliwić bardziej spersonalizowane strategie monitorowania i lepsze wyniki długoterminowe
Zespół badawczy planuje ocenić podejście AI-ECG w prospektywnych badaniach klinicznych i próbach, a także udoskonalić model do użytku u młodszych pacjentów. Ostatecznie celem jest integracja technologii w rutynowe procesy kliniczne, wspierające bardziej ukierunkowaną i zrównoważoną opiekę kardiologiczną przez całe życie.
Źródło: https://www.icthealth.org/news/ai-ecg-helps-target-mri-follow-up-in-repaired-tetralogy-of-fallot
Źródło: www.icthealth.org