Srčana insuficijencija je jedan od vodećih uzroka smrti u svetu, a oko polovine onih kojima je dijagnostikovana ne preživi duže od pet godina. Lekari mogu ublažiti simptome i usporiti progresiju bolesti, ali do sada nisu imali pouzdan alat kojim bi precizno odredili ko će doživeti nagli pad srčane funkcije u narednih godinu dana.

Deep-learning model pod nazivom PULSE-HF (skraćeno od „Predict changes in left-ventricular systolic function from ECGs of heart-failure patients“) mogao bi da popuni tu prazninu. Razvijen u laboratoriji prof. Kolina Stulca na MIT-ovom Abdul Latif Jameel institutu za mašinsko učenje u zdravstvu, model koristi rutinski EKG kako bi predvideo da li će ejekciona frakcija leve komore pasti ispod granice od 40% u narednih dvanaest meseci.

Kako model funkcioniše

Da bi obučio PULSE-HF, tim je koristio više od 60.000 uparenih EKG zapisa i ehokardiografskih snimaka iz tri institucije: Massachusetts General Hospital, Brigham and Women’s Hospital i javno dostupne baze podataka MIMIC-IV. Pošto buduće vrednosti LVEF-a nisu uvek bile evidentirane, istraživači su mesecima obrađivali podatke, konvertujući stare PDF izveštaje ehokardiografije u format pogodan za pretragu i uklanjajući neupotrebljive EKG zapise nastale zbog pomeranja pacijenata ili loših elektroda.

Razvijene su dve verzije modela:

• Klasična verzija sa 12-kanalnim EKG-om koja snima kompletnu električnu mapu srca.
• Jednokanalna verzija kojoj je potrebna samo jedna elektroda, što omogućava korišćenje na ručnim ili nosivim (wearable) uređajima.

Obe verzije su obučene da prepoznaju suptilne znake, poput promene oblika QRS kompleksa ili specifičnosti T-talasa, koji koreliraju sa budućom sistolnom disfunkcijom, čak i kada ih ljudsko oko ne može detektovati.

Performanse u retrospektivnim testovima

Tokom testiranja na tri odvojene grupe, PULSE-HF je postigao AUROC vrednosti između 0,87 i 0,91. Jednostavnije rečeno, to znači da je model ispravno identifikovao visokorizičnog pacijenta u otprilike devet od deset slučajeva. Jednokanalna verzija je pratila rezultate 12-kanalnog modela, pokazujući da se pouzdana predviđanja mogu dobiti i pomoću minijaturnog senzora.

Postojeći bodovni sistemi za srčanu insuficijenciju, kao što su Get With The Guidelines-HF, ADHERE i OPTIMIZE-HF, fokusiraju se na rizik od smrti ili ponovnog prijema u bolnicu, a ne na predviđanje pada LVEF-a. „Ono što izdvaja PULSE-HF je to što on ne služi samo za detekciju, već zapravo prognozira buduće stanje“, kaže koautorka studije Tifani Jau, doktorand na MIT-u.

Klinički značaj

Kada EKG ukaže na visok rizik, kardiolog može naložiti dodatnu dijagnostiku, prilagoditi terapiju ili razmotriti napredne opcije poput srčane resinhronizacije. S druge strane, pacijenti sa niskim rizikom mogli bi imati ređe kontrolne preglede, čime se smanjuje opterećenje klinika i oslobađaju termini za one kojima je pomoć zaista neophodna.

Jednokanalni model može se integrisati u mali čip, pa bi se mogao primeniti i u ruralnim ambulantama koje nemaju obučeno osoblje za ehokardiografiju. „Model dobro podnosi nesavršene podatke, što odgovara realnosti sa kojom se suočavaju mnogi zdravstveni radnici u primarnoj zaštiti“, primećuje Jau.

Izazovi i naredni koraci

Uprkos ubedljivim retrospektivnim rezultatima, PULSE-HF tek treba da se dokaže u realnim uslovima. Tim se priprema za prospektivnu studiju u kojoj će se model primenjivati na pacijentima čija buduća vrednost LVEF-a nije unapred poznata, što će dati pravu sliku o njegovoj prediktivnoj snazi i kliničkoj vrednosti.

Regulatorna odobrenja, integracija alata u sisteme elektronskih zdravstvenih kartona i praćenje potencijalne pristrasnosti, naročito među različitim demografskim grupama, i dalje su prepreke koje treba savladati. „Mnogi artefakti u signalu zahtevaju čišćenje“, kaže koautorka Teja Bergamaski. „Postavlja se pitanje: da li je model koji toleriše određenu količinu 'šuma' u podacima najbolji izbor? Verovatno jeste.“

Ako prospektivno ispitivanje potvrdi dosadašnje rezultate, PULSE-HF bi mogao postati prvi prognostički alat zasnovan na AI tehnologiji za praćenje progresije srčane insuficijencije, koji bi uz postojeće sisteme procene rizika uveo kardiološku negu u eru zasnovanu na podacima.