EKG-AI-Algorithmus identifiziert linksventrikuläre systolische Dysfunktion
Eine Nachricht hinterlassen
Der EKG-KI-Algorithmus identifiziert eine linksventrikuläre systolische Dysfunktion
Patienten, die sich mit Dyspnoe in der Notaufnahme (ED) vorstellen, haben eine linksventrikuläre (LV) systolische Dysfunktion, unter Verwendung von Elektrokardiogrammen, die von AI analysiert wurden.
Demilade Adedinsewo, MD, leitende Prüfärztin in der Abteilung für Herz-Kreislauf-Medizin an der Mayo-Klinik in Jacksonville, Florida, sagte gegenüber Healio: „Das AI-EKG kann die linksventrikuläre systolische Funktion bei Patienten mit Kurzatmigkeit schneller und genauer erkennen als NT-proBNP. Verbessern und beschleunigen Sie die Diagnose in der Notaufnahme und bieten Sie eine einzigartige Gelegenheit, Herzpatienten mit hohem Risiko früher zu identifizieren und Patienten mit einer geeigneten kardiovaskulären Versorgung zu verbinden."
Patienten mit Atembeschwerden
In der retrospektiven Studie, die in Circulation: Arrhythmias and Electrophysiology veröffentlicht wurde, analysierten die Forscher Daten von 1.606 Patienten (Durchschnittsalter 68; 47 Prozent Frauen) zwischen Mai 2018 und 2019 Atembeschwerden während 2 Monaten. Diese Patienten hatten mindestens ein EKG innerhalb von 24 Stunden und innerhalb von 30 Tagen nach ihrem Besuch in der Notaufnahme. Personen mit zuvor diagnostizierter systolischer, diastolischer oder ungeklärter Herzinsuffizienz wurden ausgeschlossen.
Das primäre Ergebnis dieser Studie war die Identifizierung neuer Patienten mit systolischer LV-Dysfunktion (definiert als linksventrikuläre Ejektionsfraktion von 35 Prozent oder weniger) innerhalb von 30 Tagen nach dem Besuch in der Notaufnahme. Sekundäre Endpunkte wurden als Patienten mit einer linksventrikulären Ejektionsfraktion (LVEF) von weniger als 50 Prozent innerhalb von 30 Tagen nach Vorstellung definiert. Beide Ergebnisse wurden durch EKGs bestimmt, die von einem Deep-Learning-Netzwerk bewertet wurden, einem KI-EKG-Algorithmus, der entwickelt und validiert wurde, um LVEFs von 35 Prozent oder weniger ohne zusätzliche Optimierung oder Training zu identifizieren.
Die mediane Zeit bis zum EKG nach dem ED-Besuch betrug 1 Tag.
Bei Notfallpatienten mit Dyspnoe betrug die Fläche unter der Betriebskennlinie des Empfängers für den AI-EKG-Algorithmus zur Erkennung einer neuen linksventrikulären systolischen Dysfunktion 0,89 (95-Prozent-KI, 0.{{5} }.91). Der Algorithmus hatte eine Genauigkeit von 85,9 Prozent (95 Prozent-KI, 84,1-87,6), eine Spezifität von 87 Prozent, eine Sensitivität von 74 Prozent, einen positiven Vorhersagewert von 40 Prozent und einen negativen Vorhersagewert von 97 Prozent.
Der Algorithmus war auch in der Lage, Patienten mit einer LVEF unter 5 0 Prozent mit einer Fläche unter der Empfängerbetriebskennlinie von 0,85 (95-Prozent-KI, 0,83-0,88 ) mit einer Genauigkeit von 86 Prozent (95-Prozent-KI, 84,2-87,7). Auch hier wurde eine Spezifität von 91 Prozent, eine Sensitivität von 63 Prozent, ein positiver Vorhersagewert von 62 Prozent und ein negativer Vorhersagewert von 92 Prozent erreicht.
Die Forscher werteten auch ein Panel von {{0}}-Patienten mit verfügbaren Werten für N-terminales natriuretisches Peptid vom B-Typ aus. NT-proBNP-Spiegel von mehr als 800 pg/ml zeigten eine neue systolische LV-Dysfunktion an, mit einer Fläche unter der charakteristischen Empfängerkurve von 0,8 (95 Prozent-KI, 0,76-0,84).
"Die aktuelle Studie ist retrospektiv, und es sind prospektive Studien erforderlich, um die Auswirkungen des AI-EKG auf die langfristigen klinischen Ergebnisse zu bewerten, die unser Forschungsteam derzeit evaluiert", sagte Adedinsewo in einem Interview.
Adedinsewo fügte hinzu, dass die Technologie derzeit in ihrem gesamten Gesundheitssystem eingesetzt wird. Sie sagte gegenüber Healio: „Dieses KI-EKG-Tool ist derzeit an allen Standorten der Mayo Clinic verfügbar und über unser elektronisches Krankenaktensystem zugänglich. Außerdem wurde dem Tool im Mai von der FDA die Notfallgenehmigung für das Screening bestätigter Diagnosen erteilt oder verlassen ventrikuläre Dysfunktion bei Patienten mit Verdacht auf neuartiges Coronavirus."
Das Potenzial zur Verbesserung der Patientenversorgung
In einem verwandten Leitartikel schrieben Dr. Kazi T. Haq vom Knight Cardiovascular Institute an der Oregon Health and Science University in Portland, Oregon, und Kollegen: „Insgesamt zeigen die Ergebnisse von Adedinsewo et al., dass – KI mit einem Standard-{{ 0}}Ableitungs-EKG Ableitungs-EKG könnte die Erkennung von neu auftretender Herzinsuffizienz bei Atemnotpatienten in der Notaufnahme verbessern. Dies ist eine Strategie, die in der klinischen Praxis einfach anzuwenden ist und das Potenzial hat, die Patientenversorgung erheblich zu verbessern."
