a aproximação AI-baseada pode permitir que os ECG sejam usados detectando a cardiomiopatia hypertrophic

Uma aproximação baseada na inteligência artificial (AI) pode permitir que os ECG sejam usados para seleccionar no futuro para a cardiomiopatia hypertrophic. Com cardiomiopatia hypertrophic, as paredes do coração tornam-se grossas e podem-se interferir com a capacidade do coração para funcionar correctamente. A doença igualmente predispor alguns pacientes aos ritmos anormais potencial fatais. A tecnologia actual do ECG limitou o rendimento diagnóstico para esta doença.

A pesquisa nova da clínica de Mayo sugere que uma rede neural circunvolucional AI possa ser treinada para detectar características despercebidas da cardiomiopatia hypertrophic. O ECG do chumbo do padrão 12 é a prontamente - disponível, o teste barato que pode ser executado em muitos ajustes, incluindo aqueles com recursos limitados.

A cardiomiopatia Hypertrophic pode ser underdiagnosed porque frequentemente não causa sintomas. Os pacientes são frequentemente inconscientes eles têm-na até que experimentem complicações, mas a identificação adiantada pode ser importante. A cardiomiopatia Hypertrophic é uma das causas de morte súbita principais nos adolescentes e nos adultos novos que participam nos esportes.

Peter Noseworthy, M.D., um cardiologista da clínica de Mayo, sugere que o AI possa oferecer um método eficaz e prontamente disponível para um diagnóstico mais adiantado da cardiomiopatia hypertrophic com um ECG. O Dr. Noseworthy é autor superior em um estudo recentemente publicado no jornal da faculdade americana da cardiologia: “Detecção de cardiomiopatia Hypertrophic usando um electrocardiograma Rede-Permitido neural circunvolucional.”

Os pesquisadores treinaram e validaram uma rede neural circunvolucional usando um ECG digital de 12 chumbos de 2.448 pacientes conhecidos para ter a cardiomiopatia hypertrophic e os 51.153 quem não fizeram, combinando os assuntos do controle para a idade e o sexo. Em seguida testaram a capacidade do AI para detectar a doença em um grupo diferente de 612 assuntos com cardiomiopatia hypertrophic e de 12.788 assuntos do controle.

Para testes de diagnóstico tais como esta rede neural, o desempenho diagnóstico é medido matematicamente com a área sob a curva característica de funcionamento de receptor, em uma escala onde 0,5 é deficiente (aleta de uma moeda) e 1,0 são excelentes (teste perfeito). A medida relaciona-se à capacidade do teste para identificar correctamente os pacientes que têm a doença (sensibilidade), e para identificar correctamente os pacientes que não têm a doença (especificidade).

Para a comparação, um teste positivo típico do exame preventivo teria uma área sob a curva de 0,7 e um mamograma seria 0,85. O estudo encontrou que a capacidade do AI para determinar pacientes com cardiomiopatia hypertrophic daqueles sem ela teve uma área sob a curva de 0,96 - um predictor poderoso.

O bom desempenho nos pacientes com um ECG normal é fascinante. É interessante ver que mesmo um ECG normal pode olhar anormal a uma rede neural circunvolucional. Isto apoia o conceito que estas redes encontram os testes padrões que estão escondendo na vista lisa.”

Dr. Peter Noseworthy, M.D., cardiologista da clínica de Mayo

O estudo igualmente testou o AI em subgrupos. A área sob a curva para prever a cardiomiopatia hypertrophic em um grupo de pacientes diagnosticados com a hipertrofia ventricular esquerda, uma doença causada pela hipertensão que é caracterizada igualmente pelo engrossamento de parede do coração, era 0,95. A área sob a curva no subgrupo com somente os ECG normais era igualmente 0,95. A área sob a curva para o subgrupo de pacientes diagnosticados com estenose aórtica (redução da válvula) era 0,94. O teste executado similarmente bem em um subconjunto dos pacientes que genetically tinham sido testados e confirmados para ter mutações patogénicos para a doença.

“Os subgrupos são importantes para compreender como aplicar o teste. É bom ver que o AI executa bem quando o ECG é normal assim como quando é hipertrofia ventricular esquerda devida anormal,” diz Konstantinos Siontis, M.D., um cardiologista residente na clínica de Mayo e co-primeiro autor do estudo. “Talvez ainda mais importante é o facto de que o algoritmo executou melhor no subconjunto mais novo dos pacientes em nosso estudo (sob 40 anos velho), que destaca seu valor potencial em selecionar uns adultos mais novos.”

Mais pesquisa permanece ser feita, como o teste do AI em outros populações, crianças e adolescentes adultos para encontrar onde trabalha bem e onde falha.

“Esta é uma prova de conceito prometedora, mas eu advertiria que, apesar de seu desempenho poderoso, todo o teste de selecção para uma condição relativamente rara está destinado para ter taxas altas do falso positivo e o baixo valor com carácter de previsão positivo em uma população geral. Nós ainda precisamos de compreender melhor que populações particulares tirarão proveito deste teste como uma ferramenta da selecção,” dizemos o Dr. Siontis.

“Nós igualmente precisamos de aprender mais sobre que características específicas da cardiomiopatia hypertrophic esta rede está detectando. Nós esperamos aprender como aplicar esta tecnologia aos pacientes de exame e de controlo nas famílias afetadas por esta doença,” adiciona o Dr. 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.