l'approccio AI basato può permettere che gli elettrocardiogrammi siano usati per la rilevazione della cardiomiopatia ipertrofica

Un approccio basato su intelligenza artificiale (AI) può permettere che gli elettrocardiogrammi siano usati per schermare per cardiomiopatia ipertrofica in futuro. Con cardiomiopatia ipertrofica, le pareti del cuore diventano spesse e possono interferire con la capacità del cuore di funzionare correttamente. La malattia egualmente predispone alcuni pazienti ai ritmi anormali potenzialmente interni. La tecnologia corrente di elettrocardiogramma ha limitato il rendimento diagnostico per questa malattia.

La nuova ricerca della clinica di Mayo suggerisce che una rete neurale dell'avvolgimento AI possa essere preparata per individuare le caratteristiche non viste di cardiomiopatia ipertrofica. L'elettrocardiogramma del cavo di standard 12 è una prova disponibile facilmente e a basso costo che può essere eseguita in molte impostazioni, compreso quelli con le risorse limitate.

La cardiomiopatia ipertrofica può essere underdiagnosed perché non causa spesso i sintomi. I pazienti sono spesso ignari essi la hanno finché non avvertano le complicazioni, ma l'identificazione in anticipo può essere importante. La cardiomiopatia ipertrofica è una delle cause di morte improvvisa principali in adolescenti ed in giovani adulti che partecipano agli sport.

Peter Noseworthy, M.D., un cardiologo della clinica di Mayo, suggerisce che il AI potrebbe offrire un efficace e metodo disponibile facilmente per la diagnosi precoce di cardiomiopatia ipertrofica con un elettrocardiogramma. Il Dott. Noseworthy è autore senior su uno studio recentemente pubblicato nel giornale dell'istituto universitario americano della cardiologia: “Rilevazione di cardiomiopatia ipertrofica facendo uso di un elettrocardiogramma Rete-Permesso a neurale dell'avvolgimento.„

I ricercatori hanno preparato e convalidato una rete neurale dell'avvolgimento facendo uso di un elettrocardiogramma digitale di 12 cavi da 2.448 pazienti conosciuti per avere la cardiomiopatia ipertrofica e 51.153 chi non hanno fatto, abbinando gli oggetti di controllo per l'età ed il sesso. Dopo hanno verificato la capacità del AI di diagnosticare la malattia su un gruppo differente di 612 oggetti con cardiomiopatia ipertrofica e di 12.788 oggetti di controllo.

Per i test diagnostici quale questa rete neurale, la prestazione diagnostica è misurata matematicamente con l'area nell'ambito della curva ROC, su un disgaggio in cui 0,5 è povera (testa o croce) e 1,0 sono eccellenti (prova perfetta). La misura si riferisce alla capacità della prova di identificare correttamente i pazienti che hanno la malattia (sensibilità) e di identificare correttamente i pazienti che non hanno la malattia (specificità).

Per il confronto, un pap test positivo tipico avrebbe un'area sotto la curva di 0,7 e un mammogramma sarebbe 0,85. Lo studio ha trovato che la capacità del AI di determinare i pazienti con cardiomiopatia ipertrofica da quelli senza ha avuta un'area sotto la curva di 0,96 - un preannunciatore potente.

La buona prestazione in pazienti con un elettrocardiogramma normale è affascinante. È interessante vedere che anche un elettrocardiogramma normale può sembrare anormale ad una rete neurale dell'avvolgimento. Ciò supporta il concetto che queste reti trovano i reticoli che stanno nascondendo nella vista normale.„

Dott. Peter Noseworthy, M.D., cardiologo della clinica di Mayo

Lo studio egualmente ha verificato il AI sui sottogruppi. L'area sotto la curva per la predizione della cardiomiopatia ipertrofica in un gruppo di pazienti diagnosticati con l'ipertrofia ventricolare sinistra, una malattia causata da ipertensione che egualmente è a memoria ispessimento della parete caratterizzato, era 0,95. L'area sotto la curva nel sottogruppo con soltanto gli elettrocardiogrammi normali era egualmente 0,95. L'area sotto la curva per il sottogruppo di pazienti diagnosticati con stenosi aortica (limitazione della valvola) era 0,94. La prova eseguita similmente bene in un sottoinsieme dei pazienti che geneticamente erano stati esaminati e confermato stati per avere mutazioni patogene per la malattia.

“I sottogruppi sono importanti per la comprensione come applicare la prova. È buono da vedere che il AI esegue bene quando l'elettrocardiogramma è normale come pure quando è ipertrofia ventricolare sinistra dovuta anormale,„ dice Konstantinos Siontis, M.D., un cardiologo residente alla clinica di Mayo e co-primo autore dello studio. “Forse ancor più importante è il fatto che l'algoritmo ha eseguito il più bene nel più giovane sottoinsieme dei pazienti nel nostro studio (nell'ambito di 40 anni), che evidenzia il suo valore potenziale nella schermatura degli adulti più giovani.„

La più ricerca resta effettuare, come verificare il AI in altri popolazioni, bambini ed adolescenti adulti per scoprire dove funziona bene e dove viene a mancare.

“Questo è un proof of concept di promessa, ma avvertirei che, malgrado la sua prestazione potente, tutta la prova di selezione per uno stato relativamente raro è destinata per avere le alte tariffe del falso positivo e valore predittivo positivo basso in una popolazione in genere. Ancora dobbiamo capire meglio quali popolazioni particolari trarranno giovamento da questa prova come strumento della selezione,„ diciamo il Dott. Siontis.

“Egualmente dobbiamo imparare più circa che caratteristiche specifiche di cardiomiopatia ipertrofica questa rete sta individuando. Speriamo di imparare come applicare questa tecnologia ai pazienti di schermatura e di gestione in famiglie influenzate da questa malattia,„ aggiunge il Dott. Noseworthy.

Source:
Journal reference:

Ko, W-Y., et al. (2020) Detection of Hypertrophic Cardiomyopathy Using a Convolutional Neural Network-Enabled Electrocardiogram. Journal of the American College of Cardiology. doi.org/10.1016/j.jacc.2019.12.030.