Первый в своем роде предиктор выживания обнаруживает закономерности на МРТ сердца, невидимые невооруженным глазом.
Подход, основанный на искусственном интеллекте
Новый подход, основанный на искусственном интеллекте, может значительно точнее, чем врач, предсказать, может ли и когда пациент умереть от остановки сердца. Технология, основанная на необработанных изображениях больных сердец пациентов и предыстории пациентов, призвана произвести революцию в принятии клинических решений и увеличить выживаемость при внезапных и смертельных сердечных аритмиях, одном из самых смертоносных и загадочных состояний в медицине.
Работа, проведенная исследователями из Университета Джона Хопкинса, подробно описана 7 апреля 2022 года в журнале Nature Cardiovassal Research.
«Внезапная сердечная смерть, вызванная аритмией, составляет до 20 процентов всех смертей во всем мире, и мы мало знаем о том, почему это происходит или как определить, кто подвергается риску», — сказала старший автор Наталья Траянова, профессор биомедицинской инженерии Мюррея Б. Сакса и Медицина. «Есть пациенты с низким риском внезапной сердечной смерти, получающие дефибрилляторы, которые им могут не понадобиться, а есть пациенты с высоким риском, которые не получают необходимого лечения и могут умереть в расцвете сил. Что может сделать наш алгоритм, так это определить, кто подвергается риску сердечной смерти и когда это произойдет, позволяя врачам точно решить, что нужно делать».
Команда первой использовала нейронные сети для построения персонализированной оценки выживаемости для каждого пациента с сердечным заболеванием. Эти меры риска обеспечивают с высокой точностью вероятность внезапной сердечной смерти в течение 10 лет и когда она наиболее вероятна.
Технология глубокого обучения называется Survival Study of Cardiac Arrhythmia Risk (SSCAR). Название намекает на рубцевание сердца, вызванное сердечным заболеванием, которое часто приводит к летальным аритмиям, и является ключом к предсказаниям алгоритма.
Первый в своем роде алгоритм, использующий необработанные МРТ-изображения, может предсказать, будет ли у пациента смертельный эпизод сердечной аритмии, и если да, то когда. Он обнаружил высокий риск в сердце, обведенном красным. Предоставлено: Университет Джона Хопкинса.
Команда использовала изображения сердца с контрастным усилением, которые визуализируют распределение рубцов у сотен реальных пациентов в больнице Джона Хопкинса с рубцами сердца, чтобы обучить алгоритм для выявления закономерностей и взаимосвязей, невидимых невооруженным глазом. Текущий анализ клинических изображений сердца извлекает только простые характеристики рубца, такие как объем и масса, при этом крайне недооценивается то, что продемонстрировано в этой работе как критические данные.
«Изображения содержат важную информацию, к которой у врачей не было доступа», — сказал первый автор Дэн Попеску, бывший докторант Университета Джона Хопкинса. «Эти рубцы могут быть распределены по-разному, и это что-то говорит о шансах пациента на выживание. В нем скрыта информация».
Команда обучила вторую нейронную сеть для изучения стандартных клинических данных пациентов за 10 лет, 22 факторов, таких как возраст пациентов, вес, раса и употребление рецептурных лекарств.
Точность прогнозов
Прогнозы алгоритмов были не только значительно более точными по каждому показателю, чем прогнозы врачей, они были подтверждены в тестах с независимой когортой пациентов из 60 медицинских центров по всей территории Соединенных Штатов, с разным сердечным анамнезом и разными данными визуализации, что позволяет предположить, что платформа может быть принята куда угодно.
«Это может значительно повлиять на принятие клинических решений в отношении риска аритмии и представляет собой важный шаг на пути к тому, чтобы прогнозировать траекторию движения пациента в эпоху искусственного интеллекта», — сказала Траянова, содиректор Альянса сердечно-сосудистых инноваций в диагностике и лечении. «Это олицетворяет тенденцию объединения искусственного интеллекта, инженерии и медицины как будущего здравоохранения».
- В настоящее время команда работает над созданием алгоритмов для обнаружения других сердечных заболеваний. По словам Траяновой, концепция глубокого обучения может быть разработана и для других областей медицины, которые полагаются на визуальную диагностику.
- В команду Университета Джона Хопкинса также входили: заслуженный профессор Bloomberg в области вычислений с интенсивным использованием данных Мауро Маджиони; Джули Шейд; Чансинь Лай; Константино Аронис; и Кэтрин Ву. Среди других авторов: М. Винаяга Мурти и Нэнси Кук из Brigham and Women’s Hospital; Дэниел Ли из Северо-Западного университета; Алан Кадиш из Touro College and University System; Дэвид Ойянг и Кристин Альберт из Медицинского центра Сидар-Синай.
- Работа выполнена при поддержке грантов Национального института здравоохранения R01HL142496, R01HL126802, R01HL103812; Фонд Ловенштейна, стипендия Национального научного фонда для выпускников DGE-1746891, стипендия Саймонса на 2020–2021 годы, грант Национального научного фонда IIS-1837991, исследовательский грант Abbott Laboratories. Исследование PRE-DETERMINE и реестр DETERMINE были поддержаны исследовательским грантом R01HL091069 Национального института сердца, легких и крови, St Jude Medical Inc и St. Jude Medical Foundation.