Koronarna bolest srca je vodeći uzrok smrti odraslih širom sveta. U mnogim slučajevima, kvantifikovanje istisne frakcije leve komore (LVEF) – ili koliko krvi leva komora ispumpava sa svakom kontrakcijom – je kritična za optimizaciju donošenja odluka i odluka o lečenju, posebno za akutne koronarne sindrome kao što su srčani udari ili nestabilna angina pektoris.
Do sada je kvantifikacija LVEF-a zahtevala invazivno testiranje korišćenjem katetera koji nosi sopstvene rizike – nije idealno za pacijente koji već imaju probleme sa srcem i moždanim udarom. Ali to bi se moglo promeniti uz pomoć veštačke inteligencije i istraživanja kardiologa UCSF-a Geoffa Tisona, MD, MPH, i Roberta Avrama, MD, bivšeg istraživača UCSF-a sada na Institutu za srce u Montrealu.
Pa, da i ne. Naše nedavno istraživanje, objavljeno u JAMA Cardiologi, koristilo je duboke neuronske mreže, tip AI algoritma pod nazivom CathEF, da predvidi koliko krvi srce pumpa koristeći standardne video snimke angiograma – rendgenske slike koje vizualizuju unutrašnjost krvnih sudova, posebno arterija, vena i srčanih komora – sa ciljem da se stekne novi uvid u kritične situacije u mogućem lečenju pacijenata.
Samo da bude jasno, ovo je bilo istraživanje za testiranje održivosti pristupa. Nismo ga koristili da utičemo na lečenje pacijenata.
Hranili smo ga koronarnim angiogramima za više od 4.000 pacijenata zajedno sa odgovarajućim transtorakalnim ehokardiogramima – ili koronarnim ultrazvučnim testovima 3.600 pacijenata. Angiogrami i ehokardiogrami su standardna dijagnostička procena za skoro sve donošenje odluka u vezi sa srčanim oboljenjima, od lekova do operacije koronarne bajpasa, tako da ih rade skoro svi koji imaju probleme sa srcem i koronarnim sistemom.
Koristeći angiograme i ehokardiograme, uspeli smo da uspostavimo osnovnu liniju. Zatim smo optimizovali CathEF da procenimo smanjeni LVEF manji od ili jednak 40%, što ukazuje na potrebu za dodatnom kliničkom analizom i mogućim testiranjem.
Rezultati su pokazali da je CathEF tačno predvideo LVEF sa jakim korelacijama sa ehokardiografskim merenjima LVEF-a, što je trenutno standardni neinvazivni klinički pristup za određivanje LVEF-a. Model je takođe eksterno potvrđen na angiogramima sa Instituta za srce u Otavi.
CathEF se pokazao dobro u različitim demografskim i kliničkim stanjima pacijenata, uključujući akutne koronarne sindrome i različite nivoe bubrežne funkcije – populacije pacijenata koje su možda manje pogodne za primanje standardne procedure leve ventrikulograma.
Korišćenje veštačke inteligencije koristi podatke koji su već prikupljeni tokom svakog angiograma da bi pružio kritične informacije koje trenutno nisu dostupne kliničarima. Verujemo da bi ovaj novi pristup mogao da se prilagodi da pruži informacije o LVEF-u u realnom vremenu koje informišu donošenje kliničkih odluka i mogu pomoći da se pacijentima omoguće bolji ishodi.
Trenutno, merenje LVEF-a tokom angiografije zahteva dodatnu invazivnu proceduru koja se zove ventrikulografija – gde se kateter ubacuje u levu komoru i ubrizgava se kontrastna boja – što nosi dodatne rizike. Može povećati rizik od aritmija ili moždanog udara za pacijenta, pa se ređe izvodi. CathEF bi mogao pomoći mnogim pacijentima da izbegnu ove rizike, dok pruža informacije koje su kliničarima potrebne da donesu odluke o lečenju i na kraju poboljšaju ishode i kvalitet života pacijenata.
Iako je algoritam obučen na velikom skupu podataka angiograma i ehokardiograma iz UCSF-a, a zatim odvojeno potvrđen u skupu podataka Instituta za srce u Otavi, preduzimamo dalja istraživanja kako bismo testirali ovaj algoritam na mestu nege i utvrdili njegov uticaj na klinički tok rada kod pacijenata koji pate od srčanog udara.
