ECG AI 알고리즘으로 좌심실 수축기 기능 장애 식별

ECG AI 알고리즘은 좌심실 수축기 기능 장애를 식별합니다.

호흡곤란으로 응급실(ED)에 내원한 환자는 AI로 분석한 심전도를 사용하여 좌심실(LV) 수축기 기능 장애를 보였습니다.

플로리다주 잭슨빌에 있는 Mayo Clinic의 심혈관 의학과 수석 연구원인 Demilade Adedinsewo 박사는 Healio에 "AI ECG는 NT-proBNP보다 숨가쁨 환자의 좌심실 수축기 기능을 더 빠르고 정확하게 감지할 수 있습니다. 응급실 진단을 개선 및 촉진하고 고위험 심장병 환자를 조기에 식별하고 환자를 적절한 심혈관 치료에 연결할 수 있는 고유한 기회를 제공합니다."

호흡 곤란 환자

Circulation: Arrhythmias and Electrophysiology에 발표된 후향적 연구에서 연구원들은 2018년 5월부터 2019년까지 2개월 동안 호흡 곤란을 겪은 1,606명의 환자(평균 연령 68세, 여성 47%)의 데이터를 분석했습니다. 이 환자들은 응급실 방문 후 24시간 이내에 그리고 30일 이내에 적어도 한 번의 ECG를 받았습니다. 이전에 진단된 수축기, 확장기 또는 원인 불명의 심부전이 있는 사람은 제외되었습니다.

이 연구의 주요 결과는 응급실 방문 30일 이내에 LV 수축기 기능 장애(좌심실 박출률이 35% 이하로 정의됨)가 있는 새로운 환자를 식별하는 것이었습니다. 2차 결과는 발표 후 30일 이내에 발견된 좌심실 박출률(LVEF)이 50% 미만인 환자로 정의되었습니다. 두 결과 모두 추가 최적화나 교육 없이 35% 이하의 LVEF를 식별하기 위해 개발되고 검증된 AI-ECG 알고리즘인 딥 러닝 네트워크에 의해 평가된 ECG에 의해 결정되었습니다.

ED 방문 후 ECG까지의 평균 시간은 1일이었습니다.

호흡곤란이 있는 응급 환자에서 새로운 좌심실 수축기 기능 장애를 식별하기 위한 AI-ECG 알고리즘의 수신기 작동 특성 곡선 아래 영역은 0.89(95% CI, 0.{{5} }.91). 알고리즘의 정확도는 85.9%(95% CI, 84.1-87.6), 특이도는 87%, 민감도는 74%, 양성 예측값은 40%, 음성 예측값은 97퍼센트 .

이 알고리즘은 또한 0.85(95% CI, 0.83-0.88)의 수신자 작동 특성 곡선 아래 면적으로 LVEF가 50% 미만인 환자를 식별할 수 있었습니다. ) 정확도 86퍼센트(95퍼센트 CI, 84.2-87.7). 이것은 또한 91%의 특이도, 63%의 민감도, 62%의 양성 예측값, 92%의 음성 예측값을 달성했습니다.

연구자들은 또한 이용 가능한 N-말단 B형 나트륨 이뇨 펩타이드 값을 가진 {{0}}명의 환자 패널을 평가했습니다. NT-proBNP 수치가 800 pg/mL보다 높으면 수신자 작동 특성 곡선 아래 영역이 0.8(95% CI, 0.76-0.84)인 새로운 좌심실 수축 기능 장애를 나타냅니다.

Adedinsewo는 인터뷰에서 "현재 연구는 후향적이며 우리 연구팀이 현재 평가하고 있는 장기 임상 결과에 대한 AI-ECG의 영향을 평가하기 위한 전향적 연구가 필요합니다."라고 말했습니다.

Adedinsewo는 이 기술이 현재 그녀의 의료 시스템 전반에 걸쳐 사용되고 있다고 덧붙였습니다. 그녀는 Healio에 다음과 같이 말했습니다. 신종 코로나바이러스 의심 환자의 심실 기능 장애."

환자 치료를 발전시킬 수 있는 잠재력

관련 사설에서 오레곤 주 포틀랜드에 있는 오레곤 건강 과학 대학의 Knight Cardiovascular Institute의 Kazi T. Haq 박사와 동료들은 다음과 같이 썼습니다. 0}}리드 ECG 리드-와이어 ECG는 응급실 호흡곤란 환자의 신규 발병 심부전 식별을 개선할 수 있습니다. 이는 임상 실습에서 사용하기 쉽고 환자 치료를 크게 개선할 수 있는 전략입니다."