Нейросеть CathEF показала высокую точность в прогнозировании сердечных заболеваний

Это необходимо для повышения эффективности терапии и процесса принятия решений, особенно в случае острых коронарных синдромов, таких как нестабильная стенокардия или инфаркт.

До сих пор для выявления ФВЛЖ было необходимо исследование с применением внутривенного катетера. Это чревато определенными рисками для пациентов, которые уже имеют проблемы с сосудами и сердцем.

Ситуацию может изменить искусственный интеллект (ИИ) и исследования кардиолога Джеффа Тисона из Калифорнийского университета в Сан-Франциско (UCSF) и Роберта Аврама, бывшего научного сотрудника UCSF из Монреальского института сердца.

Ученые рассказали, как они используют ИИ для количественного анализа крови, которую перекачивает сердце у отдельных пациентов.

В исследовании применили нейросеть CathEF - разновидность алгоритма ИИ. Она позволила ученым спрогнозировать объем перекачиваемой сердцем крови на основе коронарных ангиограмм (рентгеновских снимков), показывающих внутреннюю поверхность сосудов кровеносной системы. Это помогло получить новые знания о потенциальных способах лечения пациентов в критических ситуациях.

На самом деле, исследование было направлено на проверку жизнеспособности самого подхода. Ученые не применяли его для влияния на лечение.

Исследователи "скормили" нейросети снимки более 4 тысяч пациентов, а также трансторакальные ЭКГ или УЗИ коронарных сосудов 3,6 тысяч пациентов, и установили исходный уровень.

После этого они настроили параметры CathEF для оценки снижения ФВЛЖ к показателю, равному или меньшему 40%, требующему дополнительного клинического анализа и возможного тестирования.

Выяснилось, что CathEF точно предсказывает ФВЛЖ при сильной взаимосвязи с ФВЛЖ на ЭКГ, которая является стандартным неинвазивным подходом для определения данного показателя. Модель также успешно прошла внешнюю проверку на соответствие стандартам на снимках, полученных в Институте сердца Оттавы.

Хорошие результаты модель CathEF показала при разных демографических параметрах и клинических состояниях пациентов, в том числе при острых коронарных синдромах и различных уровнях функции почек.

Данный случай использования ИИ позволяет применить данные для получения критически важной информации, недоступной врачам в настоящее время. Новый подход можно улучшить для предоставления информации в режиме реального времени. Это даст возможность молниеносно принимать клинические решения и улучшать исходы для пациентов.