ИИ показал себя лучше людей при анализе долгосрочных записей ЭКГ в крупном международном исследовании
У пациентов с такими симптомами, как нерегулярное сердцебиение, головокружение или обмороки, или у лиц, у которых врачи подозревают мерцательную аритмию, для диагностики могут потребоваться многодневные записи ЭКГ — «долгосрочные записи ЭКГ». Затем эти записи должны пройти трудоемкую и требующую больших человеческих ресурсов проверку для выявления нарушений сердечного ритма.
В крупном международном исследовании ученые проверили, может ли модель ИИ заменить людей при анализе долгосрочных записей ЭКГ. Результаты: в 14 раз меньше пропущенных диагнозов ИИ.
Линда Джонсон, доцент кафедры сердечно-сосудистой эпидемиологии в Университете Лунда в Швеции, руководила исследованием вместе с Джеффом Хили, старшим научным сотрудником Института исследований здоровья населения, совместного института Университета Макмастера и Hamilton Health Sciences в Канаде. Результаты опубликованы в журнале Nature Medicine .
Человеческое сердце бьется 80 000–20 000 раз в день. Долгосрочные ЭКГ регистрируют каждое сердцебиение, а затем запись тщательно изучается на предмет отклонений — аритмий, что является трудоемким процессом.
Текущее исследование включало 14 606 отдельных пациентов, которые в среднем регистрировали ЭКГ в течение 14 дней; в общей сложности более 200 000 дней данных ЭКГ. Эти данные были рассмотрены специалистами по ЭКГ с использованием стандартной клинической методологии. Затем те же данные были повторно проанализированы с использованием алгоритма ИИ — «DeepRhythmAI» — специально разработанного для этой задачи компанией MEDICALgorithmics, Польша.
«Затем мы случайным образом отобрали более 5000 эпизодов аритмии для интенсивного пошагового анализа, который провели 17 групп врачей-экспертов (в основном кардиологов и электрофизиологов) со всего мира. Это позволило получить чрезвычайно качественный золотой стандарт диагностики, с которым мы затем сравнили интерпретацию ЭКГ и алгоритма ИИ», — говорит Джонсон.
Исследователи обнаружили, что анализ с помощью ИИ привел к 14-кратному сокращению числа пропущенных диагнозов тяжелых аритмий (включая полную блокаду сердца, желудочковую тахикардию и мерцательную аритмию ). Тяжелые аритмии были пропущены ИИ у 0,3% пациентов по сравнению с 4,4% для техников.
Целью исследователей не было доказать, что ИИ так же хорош или лучше кардиологов для диагностики определенных аритмий. Скорее, исследование пыталось определить, что произойдет, если заменить техников, а врачи будут получать отчеты напрямую от ИИ. В случае успеха такой подход станет крупным новшеством, которое может решить проблему нехватки обученного персонала, способного интерпретировать долгосрочный мониторинг ЭКГ, во всем мире.
«Во всем мире не хватает около 15 миллионов работников здравоохранения. Амбулаторные ЭКГ должны анализироваться специально обученным персоналом, которого часто называют специалистами по ЭКГ. Нехватка персонала приводит к огромным заторам в здравоохранении во всем мире, и в то же время пациентам было бы полезно, если бы мы делали больше и дольше амбулаторных записей ЭКГ, а не короче.
«Мы считали, что ИИ может решить эту проблему. Вот почему мы хотели изучить, что произойдет, если полностью отказаться от услуг специалистов по ЭКГ и доверить алгоритму ИИ обнаружение аритмий, которые затем изучат кардиологи», — говорит Джонсон.
Это первое исследование, в котором проверяется не только то, насколько хорош алгоритм ИИ при оценке отдельных выбранных полос ЭКГ, но и то, чего можно было бы ожидать, если бы специалистов-людей заменил ИИ.
«Сегодня большинство устройств для долгосрочного мониторинга ЭКГ используют тот или иной тип ИИ для поддержки интерпретации, но с разным качеством. И для долгосрочного мониторинга ЭКГ все еще приходится долго ждать, в некоторых случаях многие месяцы. Если бы у нас была квалифицированная модель ИИ, которая могла бы просматривать все ЭКГ, то у нас была бы и гораздо более дешевая, и более быстрая диагностика», — говорит Хили.
При разработке данного исследования исследователи исходили из нескольких ключевых характеристик, которыми, по их мнению, должен обладать ИИ.
«Она должна обладать почти идеальной чувствительностью, что означает, что все, что является потенциально серьезной аритмией, должно быть отмечено для оценки врачом. Это самый важный аспект: пациенты и врачи не потерпят никакой ошибки в диагностике серьезных аритмий (то есть ложноотрицательных результатов ). В то же время модель ИИ не должна определять слишком много ритмов, которые не являются серьезными (то есть ложноположительных результатов), которые затем требуют проверки врачом», — утверждает Хили.
Модель ИИ смогла исключить тяжелую аритмию с 99,9% уверенностью в 14-дневной записи ЭКГ. Количество ложноположительных результатов (в данном контексте, результатов, неверно истолкованных как серьезная аритмия ) составило 12 на 1000 дней записи для ИИ по сравнению с 5 на 1000 дней записи для человеческого анализа.
«Мы показали, на что способна эта модель ИИ, насколько она чувствительна и точна. Я также считаю, что это впечатляющие усилия всех, кто внес вклад в исследование. Всего было 50 экспертов-рецензентов и кардиологов, которые все прошлись по выбранным ЭКГ, удар за ударом. Мы очень благодарны всем тем, кто поддержал идею и вложил так много времени и усилий», — говорит Джонсон.