Sztuczna inteligencja może uprzedzić o napadzie migotania przedsionków

Lek. Marta Lubarska, Katedra i Klinika Intensywnej Terapii Kardiologicznej i Chorób Wewnętrznych, Uniwersytecki Szpital Kliniczny, ul. Przybyszewskiego 49, 60-355 Poznań

Może brzmieć to jak pieśń przyszłości, jednak przyszłość dzieje się właśnie dzisiaj.

Migotanie przedsionków jest najczęstszą utrwaloną arytmią nadkomorową u dorosłych – dotyka nawet 4% populacji w Polsce. Specyfika choroby sprawia, że wiele osób żyje niezdiagnozowana. Migotanie przedsionków może przebiegać bez żadnych objawów i chory może nie zdawać sobie sprawy, że jego serce pracuje nieprawidłowo. Nie zmienia to faktu, że zwiększa się ryzyko wystąpienia wielu groźnych chorób układu sercowo-naczyniowego.

Naukowcy z Smidt Heart Institute przeprowadzili badanie, w którym model sztucznej inteligencji (model AI) analizował zapis EKG w celu przewidywania wystąpienia migotania przedsionków.

• Model AI przeanalizował zapisy EKG pacjentów uzyskanych od 1 stycznia 1987 r. do 31 grudnia 2022 r. z siedmiu medycznych ośrodków w Stanach Zjednoczonych. Do analizy włączono 12-odprowadzeniowy zapis EKG u pacjentów z rytmem zatokowym, tj. prawidłowym rytmem serca. Przeanalizowano łącznie ponad milion zapisów!
• Podczas przetwarzania EKG algorytm AI wychwytywał możliwe nieprawidłowości występujące przed napadem migotania przedsionków u pacjentów bez objawów. W ten sposób uczył się i szukał wczesnych oznak zapowiadających wystąpienie tej arytmii w przyszłości.
• AI skutecznie przewidywała możliwość wystąpienia migotania przedsionków w najbliższych 31 dniach, co dawało lekarzom możliwość wczesnej interwencji terapeutycznej by zapobiegać powikłaniom.

Algorytmy otaczają nas wszędzie – od robienia zakupów, poprzez skomplikowane modele matematyczne wykorzystywane w wielu gałęziach przemysłu. Nie inaczej jest z medycyną. Sztuczna inteligencja jest wdrażana w coraz większej liczbie urządzeń medycznych, pomagając w diagnozie, podejmowaniu decyzji terapeutycznych czy ocenie ryzyka.

Więcej informacji o wspomnianym badaniu:

Yuan N, Duffy G, Dhruva SS, et al. Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation. JAMA Cardiol. 2023;8(12):1131–1139.

https://jamanetwork.com/journals/jamacardiology/article-abstract/2810388