Algoritmus strojového učení je rychlý a přesný způsob diagnostiky srdečního infarktu

Příznaky srdečního infarktu jsou někdy podobné stavům, které se srdcem nesouvisejí, a proto je diagnóza složitá. Britští vědci se obrátili na strojové učení, aby poskytli lékařům rychlý a přesný způsob diagnostiky srdečních záchvatů, který má potenciál zkrátit dobu potřebnou ke stanovení diagnózy a poskytnout pacientům účinnější a účinnější léčbu.

V současné době je metodou zlaté hvězdy pro diagnostiku srdečního infarktu měření hladin proteinu troponinu v krvi. Troponin se uvolňuje při poškození srdečního svalu; hladiny se obvykle prudce zvyšují během tří až 12 hodin po srdečním infarktu a vrcholí asi po 24 hodinách.

Mnoho nemocnic po celém světě přijalo diagnostické postupy, které zahrnují hodnocení hladin troponinu, když je někdo přijat s podezřením na srdeční infarkt. Mají však určitá omezení: vyžadují odběr vzorků krve v pevně stanovenou dobu, což může být na pohotovosti problém; pouze kategorizují pacienty jako pacienty s nízkým, středním nebo vysokým rizikem srdečního infarktu, aniž by vzaly v úvahu další důležité informace, jako například kdy začaly příznaky nebo nálezy na elektrokardiogramu (EKG); a neberou v úvahu vliv pohlaví, věku a komorbidit.

Britští vědci nyní vyvinuli algoritmus strojového učení založený na umělé inteligenci, který je rychlý a přesný. Algoritmus s názvem Collaboration for the Diagnosis and Evaluation of Acute Coronary Syndrome (CoDE-ACS) byl navržen pro výpočet pravděpodobnosti srdečního infarktu u jednotlivého pacienta.

Výzkumníci použili data od 10 286 pacientů, kteří měli možný infarkt v šesti zemích světa. Algoritmus strojového učení byl „naučen“ pomocí pohlaví pacienta, věku, nálezů EKG a lékařské anamnézy, kromě hladin troponinu, k identifikaci pravděpodobnosti, že došlo k infarktu.

Ve srovnání se stávajícími metodami vědci zjistili, že CoDE-ACS dokáže vyloučit srdeční infarkt u více než dvojnásobného počtu pacientů s přesností 99,6 %.

Algoritmus přesně předpověděl srdeční infarkt napříč podskupinami, včetně mužů a žen, starších lidí, pacientů s poruchou ledvin (ledvin) nebo těch, kteří byli do nemocnice brzy po nástupu příznaků.

Výzkumníci říkají, že jejich algoritmus CoDE-ACS by mohl zabránit zbytečným hospitalizacím u pacientů, u kterých je nepravděpodobné, že by měli infarkt, nebo u těch, u kterých je nízké riziko poškození srdečního svalu nebo smrti po infarktu. Tvrdí, že by to učinilo pohotovostní léčbu účinnější a účinnější a identifikovalo by, kteří pacienti mohou bezpečně jít domů a kteří musí zůstat na další testy.

„Pacientům s akutní bolestí na hrudi v důsledku srdečního infarktu zachraňuje včasná diagnostika a léčba životy,“ řekl Nicholas Mills, odpovídající autor studie. „Bohužel, mnoho stavů způsobuje tyto běžné příznaky a diagnóza není vždy jednoduchá. Využití dat a umělé inteligence pro podporu klinických rozhodnutí má obrovský potenciál zlepšit péči o pacienty a efektivitu na našich rušných odděleních urgentního příjmu.“

CoDE-ACS se v současné době testuje ve Skotsku, aby se zjistilo, zda dokáže snížit tlak na přeplněná pohotovostní oddělení.

Studie byla publikována v časopise Přírodní medicína.

Zdroj: British Heart Foundation