Korišćenje veštačke inteligencije (AI) za pomoć pri donošenju kliničkih odluka u identifikaciji i lečenju infarkta miokarda (MI; srčani udar) kod pacijenata koji se javljaju u odeljenje hitne pomoći (ED) sa sumnjom na srčana stanja ne poboljšava kardiovaskularne ishode. Međutim, ova podrška kliničkom odlučivanju zasnovana na veštačkoj inteligenciji je bezbedna i povećava usvajanje nege zasnovane na dokazima, prema poslednjem najnovijem istraživanju predstavljenom na sesiji Hot Line-a na ovogodišnjem Kongresu ESC 2024 u Londonu, UK (30. avgust – 2. septembar).
„Ključno obećanje veštačke inteligencije u zdravstvenoj zaštiti je sredstvo koje pomaže medicinskim stručnjacima da brže i preciznije dijagnostikuju pacijente, kao i da objektivnije kvantifikuju prognozu, što im na kraju omogućava da ranije započnu odgovarajući tretman kako bi optimizovali ishode pacijenata“, rekla je glavni autor Kristina. Lambrakisa u Viktorijanskoj bolnici za srce, Monash Health, Viktorijanskom institutu za srce, Univerzitetu Monash i Koledžu za medicinu i javno zdravlje, Univerzitet Flinders u Australiji.
Ona je dodala: „Naše veliko randomizovano ispitivanje koje je uključivalo pacijente koji su se obraćali ED sa sumnjom na srčana stanja širom Južne Australije nije poboljšalo kliničke ishode, ali je istaklo sposobnost veštačke inteligencije u realnom vremenu da utiče na kliničke odluke i praksu u pravcu zasnovanu na dokazima briga Veće usvajanje uvida u veštačku inteligenciju i integracija uvida u veštačku inteligenciju u kliničke tokove će verovatno biti potrebni za poboljšanje kliničkih ishoda.
Široko rasprostranjena upotreba testova na troponin visoke osetljivosti (hs-cTn), biomarkera otkrivenog u krvi koji ukazuje na povredu srčanog mišića, povećala je sposobnost da se identifikuju pojedinci sa čak i vrlo malim povredama srčanog mišića. Međutim, ovi osetljiviji testovi su takođe učinili da tumačenje rezultata troponina bude izazovnije, jer povišeni rezultati sada mogu biti posledica velikog broja uzroka osim IM tipa 1 (srčani udar usled rupture koronarnog plaka), sa pogrešnom interpretacijom koja dovodi do potencijalno neopravdanog istragu, rizik i troškove.
Pored toga, ovo složeno dijagnostičko odlučivanje često je potrebno da donesu kliničari u ED koji nemaju naprednu obuku za kardiologiju i koji vide pacijente koji se veoma ne razlikuju, što im čini još izazovnijim da razlikuju različite oblike povrede miokarda u tumačenje hs-cTn rezultata.
Da bi pomogli lekarima da postave tačnu dijagnozu, trenutni vodič za četvrtu univerzalnu definiciju infarkta miokarda (UDMI) iz 2018. ima za cilj da podrži tumačenje hs-cTn razgraničavanjem klasifikacija MI i povreda miokarda, koje zahtevaju specifične tretmane.
4. UDMI definiše povredu miokarda kao elevaciju troponina gde je najmanje jedna vrednost iznad gornje referentne granice od 99. percentila. Razlika u nivoima troponina između ponovljenih rezultata uzorkovanja definiše da li se radi o akutnoj ili hroničnoj povredi miokarda. Povreda miokarda može biti uzrokovana brojnim situacijama uključujući sepsu, bolest bubrega, srčanu insuficijenciju i naporne vežbe.
Da bi se dijagnostikovao infarkt miokarda (MI), pacijent mora da ima akutnu povredu miokarda, kao i dokaze o akutnoj ishemiji miokarda – nedostatak kiseonika koji snabdeva srčani mišić otkriven EKG-om, simptomi kao što su bol u grudima, rukama ili vilici, ili dokazi na slici .
Nije poznato da li je klinička upotreba 4. UDMI sistema klasifikacije dovela do poboljšanja ishoda pacijenata. Upotreba AI algoritama zasnovanih na 4. UDMI-u za podršku donošenju kliničkih odluka mogla bi pomoći u vođenju hs-cTn interpretacije i poboljšanju ishoda.
Da bi se popunila ova važna praznina u dokazima, ispitivanje RAPIDk AI uključilo je 14.131 pacijenta (starosti od 18 i više godina) koji su se javili ED i dobili hs-cTn testiranje u šest gradskih i šest ruralnih ED širom Južne Australije između 15. aprila i 31. decembra 2023. Šest bolnice su nasumično raspoređene u kontrolnu grupu (tj. nepromenjen standard prakse) i šest u intervencijsku ruku (tj. implementacija podrške za kliničke odluke zasnovane na AI).
Ukupno 3.029 pacijenata (prosečna starost 74,5 godina; 58% žena) sa povredom miokarda (povećan troponin na osnovu hs-cTn) i sumnjom na srčani uzrok uključeno je u primarnu analizu namere lečenja (1.461 pacijent koji se javio kontrolnim bolnicama i 1.568 bolnicama sa podrškom za AI).
Glavna mera interesovanja bila je kardiovaskularna (KV) smrt, novi/ponovljeni IM i neplanirani ponovni prijem KV u roku od 6 meseci. Bezbednosna krajnja tačka bila je smrt od svih uzroka ili IM u roku od 30 dana među onima koji su direktno otpušteni iz ED.
U analizi namere da se leči, istraživači nisu pronašli razlike u ishodima između grupa, sa 408/1568 učesnika (26,0%) u interventnoj grupi i 385/1461 (26,4%) u kontrolnoj grupi koja je doživela CV smrt, MI, ili neplanirani readmisija CV u roku od 6 meseci.
Slično, u celoj kohorti, primarna krajnja tačka se desila kod 680 (9,4%) učesnika u interventnoj grupi i 718 (10,4%) u kontrolnoj grupi.
Važno je da među pacijentima koji nisu klasifikovani kao IM tipa 1 od strane podrške odlučivanju koju vodi AI (tj. tamo gde se nije pokazalo da je korisna), invazivna koronarna angiografija je bila 47% manja verovatnoća da će se preduzeti u interventnoj grupi u poređenju sa uobičajenom grupa za negu (66/1265; 5% naspram 112/1186; 9,4%).
Pored toga, tamo gde su pacijenti klasifikovani kao pacijenti sa IM tipa 1 od strane podrške odlučivanju zasnovanoj na AI, veća je verovatnoća da će im biti propisani statini (82% [248/303] naspram 68% [187/275]); veća je verovatnoća da će dobiti antitrombocitnu terapiju (56% [248/303] naspram 44% [120/275]); i veća je verovatnoća da će im biti propisan mineralokortikoidni inhibitor (56%[78/303] naspram 44% [48/275]) u poređenju sa grupom koja je uobičajena za negu.
Među pacijentima koji su direktno otpušteni iz ED, oni koji primaju negu u bolnicama sa podrškom za donošenje odluka nisu umrli ili su imali IM u roku od 30 dana po većoj stopi od onih u bolnicama koji su primali uobičajenu negu (0,86% [40/4664] naspram 1,1 % [48/4350] neinferiornost p <0,001).
„Nismo otkrili povećanje ranih opasnosti ili negativnih uticaja na odluke o otpuštanju ED, čime se uspostavlja bezbednost kliničke podrške odlučivanju zasnovanoj na veštačkoj inteligenciji“, rekao je stariji autor, profesor Derek Chev, u Victorian Heart Hospital, Monash Health, Victorian Heart Institute, Monash. Univerzitet i koledž za medicinu i javno zdravlje, Univerzitet Flinders, Australija.
„Naši sledeći koraci uključuju istraživanje pristupa povećanju poverenja i usvajanju podrške za kliničke odluke zasnovane na veštačkoj inteligenciji u kliničkoj zajednici, istraživanje novih modela nege u okviru kojih bi takvi alati za podršku odlučivanju zasnovani na veštačkoj inteligenciji mogli da budu integrisani kako bi podstakli efektivnost i efikasnost zdravstvenog sistema, i procenjujući podršku za odlučivanje zasnovanu na veštačkoj inteligenciji za druga akutna srčana stanja gde rano prepoznavanje predstavlja ključni izazov i pokretač u optimizaciji ishoda.“
