Застосування моделі штучного інтелекту для виявлення електрокардіографічних ознак коронарної оклюзії в пацієнтів з гострим коронарним синдромом без елевації сегмента ST
Анотація
Мета – визначення загальної ефективності моделі глибокого навчання (штучного інтелекту) «OMI AI» у діагностиці коронарної оклюзії серед пацієнтів з гострим коронарним синдромом без елевації сегмента ST.
Матеріали та методи. В одноцентровому ретроспективному спостережному дослідженні були проаналізовані дані 238 пацієнтів, що поступили в ДУ «НІССХ ім. М. М. Амосова НАМН» з діагнозом «гострий коронарний синдром без елевації сегмента ST». Критеріями включення у дослідження були: вік ≥ 18 років, наявність симптомів гострого коронарного синдрому, наявність принаймні однієї 10-секундної 12-канальної електрокардіографії при поступленні у лікувальний заклад, відсутність типових для інфаркту міокарда з елевацією сегмента ST змін на електрокардіограмі та проведення принаймні одного лабораторного визначення рівня маркерів пошкодження міокарда в крові.
Результати. В остаточний аналіз увійшли дані 116 пацієнтів, з них 69 (59,5 %) чоловіків та 47 (40,5 %) жінок віком від 43 до 88 років (середній вік 67 ± 11 років), з яких 34 були пацієнтами старших вікових груп (≥ 75 років). З них 29 (25 %) пацієнтів були виписані з діагнозом гострого інфаркту міокарда без елевації сегмента ST, 60 (51,7 %) з діагнозом нестабільної стенокардії та 27 (23,3 %) пацієнтів з іншими діагнозами (патології клапанного апарату серця, аневризма аорти, порушення ритму серця та кардіоміопатії). Під час аналізу електрокардіографічних даних моделлю штучного інтелекту «OMI AI», істинно позитивні результати були отримані в 23 випадках (19,8 %), істинно негативні результати – в 76 випадках (65,5 %), хибнопозитивні результати – в 11 випадках (9,5 %) та хибнонегативні – в 6 випадках (5 %). За результатами дослідження, чутливість моделі становить 67 %, специфічність – 93 %. Позитивне та негативне прогностичні значення для досліджуваної моделі сягають 0,793 та 0,874 відповідно. Загальна точність моделі становить 85,34 % (95 % довірчий інтервал від 77,78 до 90,64 %).
Висновки. Застосування інструментів глибокого навчання (штучного інтелекту) має потенціал до покращення точності діагностики інфаркту міокарда при госпіталізації, пришвидшення надання спеціалізованої допомоги та покращення прогнозу в пацієнтів з гострим коронарним синдромом без елевації сегмента ST.
Посилання
- Number of deaths by specific causes of death 2021. Kyiv: State Statistics Service of Ukraine; c2022 [cited 2024 Apr 13]. Available from: https://ukrstat.gov.ua/operativ/operativ2021/ds/kpops/arh_kpops2021_u.html
- Reports of the NHSU on the fulfillment of contracts for medical services under the medical guarantees program 2022. Kyiv: National Health Service of Ukraine; c2022 [cited 2024 Apr 13]. Available from: https://edata.e-health.gov.ua/e-data/zviti
- Byrne RA, Rossello X, Coughlan JJ, Barbato E, Berry C, Chieffo A, et al.; ESC Scientific Document Group. 2023 ESC Guidelines for the management of acute coronary syndromes. Eur Heart J. 2023;44(38):3720-3826. https://doi.org/10.1093/eurheartj/ehad191
- Bhatt DL, Lopes RD, Harrington RA. Diagnosis and Treatment of Acute Coronary Syndromes: A Review. JAMA. 2022;327(7):662-675. https://doi.org/10.1001/jama.2022.0358
- Haq IU, Chhatwal K, Sanaka K, Xu B. Artificial Intelligence in Cardiovascular Medicine: Current Insights and Future Prospects. Vasc Health Risk Manag. 2022;18:517-528. https://doi.org/10.2147/VHRM.S279337
- Somani S, Russak AJ, Richter F, Zhao S, Vaid A, Chaudhry F, et al. Deep learning and the electrocardiogram: review of the current state-of-the-art. Europace. 2021;23(8):1179-1191. https://doi.org/10.1093/europace/euaa377
- Siontis KC, Noseworthy PA, Attia ZI, Friedman PA. Artificial intelligence-enhanced electrocardiography in cardiovascular disease management. Nat Rev Cardiol. 2021;18(7):465-478. https://doi.org/10.1038/s41569-020-00503-2
- Herman R, Meyers HP, Smith SW, Demolder A, Bertolone DT, Leone A, et al. ECG-based deep learning for detecting epicardial coronary occlusion in acute myocardial infarction. Eur Heart J. 2023;44 Suppl 2:ehad655.2930. https://doi.org/10.1093/eurheartj/ehad655.2930
- Howie-Esquivel J, White M. Biomarkers in AcuteCardiovascular Disease. J Cardiovasc Nurs. 2008;23(2):124-131. https://doi.org/10.1097/01.JCN.0000305072.49613.92
- McErlean ES, Deluca SA, van Lente F, Peacock F 4th, Rao JS, Balog CA, et al. Comparison of troponin T versus creatine kinase-MB in suspected acute coronary syndromes. Am J Cardiol. 2000;85(4):421-426. https://doi.org/10.1016/s0002-9149(99)00766-3
- Herman R, Meyers HP, Smith SW, Bertolone DT, Leone A, Bermpeis K, et al. International evaluation of an artificial intelligence-powered electrocardiogram model detecting acute coronary occlusion myocardial infarction. Eur Heart J Digit Health. 2023;5(2):123-133. https://doi.org/10.1093/ehjdh/ztad074
