Внезапная сердечная смерть ежегодно уносит более 300 тысяч жизней в США и остается одной из основных причин смертности от сердечно-сосудистых заболеваний. Наиболее эффективным способом профилактики считается имплантация кардиовертера-дефибриллятора, однако существующие критерии отбора пациентов основаны главным образом на оценке фракции выброса левого желудочка и обладают ограниченной прогностической точностью. В результате многие пациенты, действительно находящиеся в группе высокого риска, остаются невыявленными, тогда как часть имплантированных устройств впоследствии ни разу не используется.
Для создания модели исследователи использовали 441,6 тысячи ЭКГ, выполненных в 2010–2016 годах в шведском регионе Халланд, сопоставив их с данными свидетельств о смерти и электронных медицинских карт. После обучения алгоритм проверили на независимой шведской выборке, а также на внешних данных из США и Тайваня. В американскую валидацию вошли 251,9 тысячи ЭКГ из системы Sharp HealthCare в Сан-Диего, в тайваньскую – регистр пациентов Национальной университетской больницы Тайваня.
В ходе испытаний модель выделила группу высокого риска, составившую 2,2% выборки, с годовой частотой внезапной сердечной смерти 7%. Для сравнения: пациенты со сниженной фракцией выброса левого желудочка составляли 1,9% выборки, а их годовой риск оценивался в 4,6%. При этом 86,1% пациентов, которых ИИ отнес к группе высокого риска, не были выявлены по показателю фракции выброса, то есть по действующим критериям могли остаться без дополнительного наблюдения.
Алгоритм также подтвердил высокую точность на независимых данных из нескольких стран. В шведской выборке точность прогнозирования внезапной сердечной смерти составила 87,2%, в американской – 82,2% при выявлении опасных желудочковых аритмий, а в тайваньском регистре – 76,7% при прогнозировании будущих аритмических остановок сердца. Эти результаты свидетельствуют о том, что модель сохраняет высокую эффективность при работе с различными популяциями пациентов и медицинскими базами данных.
Чтобы понять, по каким признакам искусственный интеллект оценивает риск, исследователи проанализировали работу модели и обнаружили ранее неизвестную особенность на электрокардиограмме. Она проявляется в изменении формы электрического сигнала в одной из областей записи сердечной активности. По мнению авторов, этот признак может быть связан с нарушением распространения электрического импульса по сердечной мышце и ее микроскопическим рубцеванием.
Ученые отметили, что технология может использоваться как инструмент раннего скрининга, позволит направлять пациентов на длительный мониторинг сердечного ритма и, при подтверждении риска, поможет рассматривать вопрос об имплантации кардиовертера-дефибриллятора. При этом исследователи подчеркивают, что для внедрения подхода в клиническую практику необходимы проспективные исследования и рандомизированные испытания, поскольку многие перспективные предикторы риска в прошлом не подтверждали способность выделять пациентов, действительно получающих пользу от такой терапии.
Разработка отражает растущий интерес к использованию искусственного интеллекта для прогнозирования сердечно-сосудистых заболеваний. Ранее исследователи из США, Японии и Тайваня представили модель ИИ, которая по видеозаписям эхокардиографии определяет биологический возраст сердца и позволяет точнее прогнозировать риск сердечно-сосудистых осложнений по сравнению с использованием только хронологического возраста пациента.
Подписывайтесь на наши каналы в MAX: Vademecum и Vademecum Live
