Сердечная недостаточность возникает из-за ослабленной или повреждённой мускулатуры сердца. Это приводит к постепенному накоплению жидкости в лёгких, ногах, ступнях и других частях тела пациента. Заболевание носит хронический и неизлечимый характер, часто приводит к аритмии или внезапной остановке сердца.
В XXI веке подход к лечению сердечной недостаточности стал значительно менее средневековым: сегодня пациенты проходят через комплекс изменений в образе жизни, приём лекарств и иногда используют кардиостимуляторы. Тем не менее сердечная недостаточность остаётся одной из ведущих причин заболеваемости и смертности, создавая значительную нагрузку на системы здравоохранения по всему миру.
«Около половины людей с диагнозом „сердечная недостаточность“ умирают в течение пяти лет после постановки диагноза», — говорит Тейя Бергамаски, аспирантка Массачусетского технологического института (MIT) в лаборатории профессора Коллина Стульца. «Понимание того, как пациент будет себя чувствовать после госпитализации, действительно важно для распределения ограниченных ресурсов».
В статье, опубликованной в Lancet eClinical Medicine, группа исследователей из MIT, Mass General Brigham и Гарвардской медицинской школы делится результатами разработки и тестирования модели глубокого обучения для прогнозирования сердечной недостаточности. Модель называется PULSE-HF (Predict changes in left ventricULar Systolic function from ECGs of patients who have Heart Failure — «Прогнозирование изменений систолической функции левого желудочка по ЭКГ пациентов с сердечной недостаточностью»).
Если PULSE-HF прогнозирует, что у пациента ухудшится фракция выброса в течение года, врач может определить его как приоритетного для последующего наблюдения. Пациенты с более низким риском могут сократить количество посещений больницы и время, затрачиваемое на прикрепление 10 электродов к телу для проведения 12-канальной ЭКГ.
Модель также может быть использована в клинических условиях с ограниченными ресурсами, включая офисы врачей в сельских районах, где обычно нет кардиолога, проводящего УЗИ ежедневно.
«Самое главное, что отличает [PULSE-HF] от других методов ЭКГ при сердечной недостаточности, — это прогнозирование, а не обнаружение», — говорит Тиффани Яу, аспирантка MIT в лаборатории Стульца.
Исследователи использовали метрику, известную как «площадь под рабочей характеристикой приёмника» (AUROC), для измерения производительности PULSE-HF. AUROC обычно используется для измерения способности модели различать классы по шкале от 0 до 1, где 0,5 — случайное значение, а 1 — идеальное. PULSE-HF достигла AUROC в диапазоне от 0,87 до 0,91 во всех трёх группах пациентов.
Примечательно, что исследователи также создали версию PULSE-HF для одноканальных ЭКГ, что означает, что на теле пациента необходимо разместить только один электрод. Хотя 12-канальные ЭКГ обычно считаются более совершенными из-за их более полноты и точности, производительность одноканальной версии PULSE-HF была такой же высокой, как и у 12-канальной версии.
Несмотря на элегантную простоту идеи PULSE-HF, её реализация потребовала многолетних усилий. «На завершение этого проекта ушли годы, — вспоминает Бергамаски. — Он прошёл через множество итераций».
Одним из самых больших вызовов для команды была сбор, обработка и очистка наборов данных ЭКГ и эхокардиограмм. Хотя модель направлена на прогнозирование фракции выброса пациента, метки для обучающих данных не всегда были легко доступны.
Исследователи ожидают, что следующим шагом для PULSE-HF станет тестирование модели в рамках проспективного исследования на реальных пациентах, чья будущая фракция выброса неизвестна.
1. Какие методы и технологии используются в модели PULSE-HF для прогнозирования ухудшения состояния пациентов с сердечной недостаточностью?
В модели PULSE-HF используется метод глубокого обучения для прогнозирования изменений систолической функции левого желудочка по ЭКГ пациентов с сердечной недостаточностью.
2. Какие показатели используются для оценки эффективности модели PULSE-HF?
Для оценки эффективности модели PULSE-HF используется метрика AUROC (площадь под рабочей характеристикой приёмника). Она измеряет способность модели различать классы по шкале от 0 до 1, где 0,5 — случайное значение, а 1 — идеальное.
3. Какие преимущества имеет модель PULSE-HF по сравнению с другими методами ЭКГ при сердечной недостаточности?
Модель PULSE-HF отличается от других методов ЭКГ при сердечной недостаточности тем, что она прогнозирует ухудшение состояния, а не только обнаруживает текущие изменения. Это позволяет врачам более эффективно распределять ресурсы и определять пациентов, нуждающихся в приоритетном наблюдении.
4. Какие ограничения существуют у модели PULSE-HF и какие шаги планируется предпринять для их преодоления?
Одним из ограничений модели PULSE-HF является сложность сбора, обработки и очистки наборов данных ЭКГ и эхокардиограмм. Исследователи планируют провести тестирование модели в рамках проспективного исследования на реальных пациентах, чья будущая фракция выброса неизвестна, чтобы преодолеть эти ограничения.
5. Какие потенциальные преимущества может принести использование модели PULSE-HF в клинических условиях с ограниченными ресурсами?
Использование модели PULSE-HF в клинических условиях с ограниченными ресурсами может помочь врачам более эффективно распределять время и ресурсы, а также обеспечить более тщательное наблюдение за пациентами с высоким риском ухудшения состояния. Это особенно важно в сельских районах, где может не быть кардиолога, проводящего УЗИ ежедневно.