Введение Искусственный интеллект (ИИ) меняет подход клиницистов к лечению пациентов. В ретроспективном обзоре мы ранее показали, что применение электрокардиограммы с усилением AI (AI-ECG) у пациентов отделения неотложной помощи с одышкой может идентифицировать систолическую дисфункцию левого желудочка (LVSD) с высокой диагностической точностью. Поскольку внутренние и внешние проверки алгоритма ИИ-ЭКГ дали одинаково точные результаты, можно рассмотреть возможность широкого применения этого алгоритма ИИ. Сердечная недостаточность (СН) со сниженной фракцией выброса является широко распространенным прогрессирующим заболеванием, которое, если его не выявить и не лечить, может привести к значительной заболеваемости и смертности. Симптоматическая СН составляет значительную часть обращений за неотложной помощью, часто из-за диснефрита. Часто диагностика одышки включает широкое обследование для исключения других состояний (т. е. тромбоэмболии легочной артерии, пневмонии, анемии и т. д.), что потенциально задерживает диагностику и вмешательство при острых обострениях СН. В данном клиническом случае применение алгоритма АИ-ЭКГ привело к ранней диагностике и лечению острого обострения СН у молодого пациента без сердечно-сосудистых заболеваний в анамнезе.

Пример из практики: 41-летний мужчина с патологическим ожирением в анамнезе (класс III; индекс массы тела 64,7 кг/м2) и обструктивным апноэ во сне (на домашней терапии с постоянным положительным давлением в дыхательных путях).

поступил на амбулаторный прием по поводу значительных отеков нижних конечностей, живота, мошонки и нижней части грудной клетки, которые прогрессировали в течение 4 дней. Он испытывал одышку с прогрессирующим отеком, гипертонией и тахикардией (систолическое артериальное давление 180 мм рт. ст., диастолическое артериальное давление 116 мм рт. ст., частота сердечных сокращений 113 ударов в минуту). В результате пациент был переведен в ближайшее отделение неотложной помощи для продолжения обследования.

Находясь в отделении неотложной помощи, пациенту была проведена компьютерная томография брюшной полости и таза, которая выявила узлы печени, спленомегалию и асцит, свидетельствующие о циррозе печени с портальной венозной гипертензией. У него также было отмечено повышение уровня высокочувствительного тропонина без существенной дельта-вариации (85 нг/л; верхняя граница нормы [ВГН] 15 нг/л), повышенный уровень N-концевого натрийуретического пептида про-В-типа (2845 пг/л). мл; ВГН 51 пг/мл) и повышенный уровень креатинина (1,66 мг/дл; ВГН 1,35 мг/дл). ЭКГ показала синусовую тахикардию, преждевременные желудочковые комплексы с отклонением вправо и неспецифическую аномалию Т-зубца. Он был госпитализирован для дальнейшего обследования и продолжающегося диуреза.

Пациент вспомнил, что за 2 недели до этого перенес инфекцию верхних дыхательных путей, симптомы которой продолжались 1 неделю и прекращались до появления прогрессирующего отека. Учитывая его историю болезни и лабораторные данные, касающиеся возможного нового диагноза СН, была получена вторая ЭКГ, и был получен доступ к приборной панели AI-ЭКГ для оценки лежащей в основе сердечной аномалии (рис. 1). Две ЭКГ, оцененные по алгоритму AI-ЭКГ, выявили высокую вероятность снижения фракции выброса (97,88% и 98,67%) (рис. в). Следовательно, пациенту было продолжено внутривенное введение диуретиков, и на следующий день была получена трансторакальная эхокардиограмма. Эхокардиография показала фракцию выброса левого желудочка 41% с глобальным гипокинезом левого желудочка. Выявлена ​​связь между сниженной систолической функцией правого желудочка, повышенным систолическим давлением в правом желудочке (57 мм рт. ст.) и двусторонним увеличением предсердий. Коронарная компьютерная томографическая ангиография показала минимально обструктивные кальцифицированные бляшки в левой передней нисходящей

Рисунок 1: Анализ ЭКГ пациента на приборной панели AI-ЭКГ при множественных патологиях Анализ AI-ЭКГ полученных ЭКГ пациента в нашей медицинской системе Алгоритм оценивает возраст пациента по интерпретации ЭКГ (или физиологического «возраста AI-ЭКГ»), а также вероятность различных кардиальных патологий (низкая ФВ, ГКМП и ФП). Каждая ЭКГ, оцененная ИИ, представлена ​​в каждом поле патологии красными точками как «повышенная вероятность» выше нашего расчетного диагностического порога и синими точками как «низкая вероятность» для каждой патологии. У этого пациента в нашей системе было две ЭКГ, представленные двумя точками в каждом поле AI-ECG. B: самая последняя записанная ЭКГ пациента Числовые значения вероятности для каждой патологии, выявленной с помощью AI-ЭКГ, для каждой ЭКГ в нашей медицинской системе. Красные значения коррелируют с процентами, превышающими наш диагностический порог («повышенная вероятность», также представленная А красными точками). В этом случае вероятность низкой ФВ была чрезвычайно высокой (97–98%) на каждой из АИ-ЭКГ пациента. Д: диастола. Э: Систола. Магнитно-резонансная томография сердца подтвердила выраженную бивентрикулярную СН со сниженной ФВ. ФП 5 мерцательная аритмия; электрокардиограмма с искусственным интеллектом AI-ECG 5; фракция выброса EF 5; гипертрофическая кардиомиопатия HCM 5; СН 5 сердечная недостаточность; Р 5 вероятность; QTc 5 исправил QT.

артерия; магнитно-резонансная томография сердца продемонстрировала глобальный гипокинез с отсроченным усилением в середине миокарда с ассоциированной фракцией выброса левого желудочка 34% и фракцией выброса правого желудочка 29% (рис. 1D и 1E). Пациенту была начата медикаментозная терапия в соответствии с рекомендациями по поводу недавно диагностированной СН со сниженной фракцией выброса, и при последующем посещении через 4 месяца у пациента улучшилась фракция выброса левого желудочка до 55% на трансторакальной эхокардиограмме. Это улучшение, вероятно, было результатом целенаправленного медикаментозного лечения СН, выздоровления от поствирусных осложнений и значительной потери веса в связи с изменением образа жизни (индекс массы тела до 45,73 кг/м2 при последующем наблюдении).

Обсуждение: AI-ЭКГ очень помогла в ускоренной диагностике новой сердечной недостаточности со сниженной фракцией выброса у пациента с неизвестным анамнезом сердечно-сосудистых заболеваний. Этот алгоритм идентифицировал дисфункцию желудочков, несмотря на искажающие факторы, включая потенциальный цирроз и портальную гипертензию, предполагаемую при визуализации в отделении неотложной помощи, повышенный креатинин, потенциально влияющий на сердечные биомаркеры, и неспецифические результаты ЭКГ при ручном просмотре. Поскольку ЭКГ является общедоступным экономически эффективным тестом, выполняемым у постели больного, добавление ИИ к стандартной ЭКГ, которая уже встроена в медицинские рабочие процессы, может значительно повысить клиническую ценность таких случаев, как этот, где вероятность предварительного теста является промежуточной и дальнейшее кардиологическое обследование (например, трансторакальная эхокардиограмма) может не рассматриваться.

В нашей предыдущей работе мы описали наш алгоритм ИИ, который способен обнаруживать LVSD по ЭКГ с помощью сверточной нейронной сети, обученной Keras с TensorFlow (Google, Mountain View, CA). Этот алгоритм показал надежную эффективность при тестировании как у бессимптомной популяции, так и у пациентов с острым обострением СН в отделении неотложной помощи в ретроспективных когортных исследованиях. В последнее время предполагаемое применение алгоритма привело к более ранней диагностике LVSD посредством скрининга в сообществе с помощью AI-ЭКГ. Мы надеемся, что этот случай также иллюстрирует надежную работу алгоритма и его диагностическую полезность у пациента с острой одышкой со смешанной клинической картиной.

Клиническая картина этого пациента была особенно интересной, учитывая его недавнюю историю болезни верхних дыхательных путей. Алгоритм AI-ЭКГ ранее показал высокую диагностическую точность при выявлении LVSD на фоне инфекции коронавирусной болезни 2019 (COVID-19). Хотя этот пациент не страдал инфекцией COVID-19 (антитела к коронавирусу 2 тяжелого острого респираторного синдрома были отрицательными во время госпитализации), AI-ЭКГ точно идентифицировала новую СН в поствирусных условиях, предполагая, что этот алгоритм также может найти клиническую пользу. в выявлении не-COVID-19, вирусных кардиомиопатий. Как показано в этом случае, алгоритм AI-ЭКГ для LVSD может ускорить оценку сложных клинических случаев, в которых присутствуют несколько смешанных факторов и рассматриваются несколько диагнозов. Проспективная оценка AI-ЭКГ при желудочковой дисфункции для ускоренной диагностики и лечения СН в острых условиях станет областью будущих исследований.