Herzinsuffizienz ist durch eine geschwächte oder beschädigte Herzmuskulatur gekennzeichnet und führt zu einer allmählichen Ansammlung von Flüssigkeit in den Lungen, Beinen, Füßen und anderen Körperteilen des Patienten. Die Erkrankung ist chronisch und unheilbar und führt häufig zu Herzrhythmusstörungen oder einem plötzlichen Herzstillstand. Viele Jahrhunderte lang waren Aderlass und Blutegel die Behandlungsmethode der Wahl, die bekanntermaßen von Friseuren in Europa praktiziert wurde, in einer Zeit, in der Ärzte selten Patienten operierten.

Im 21. Jahrhundert ist die Behandlung von Herzinsuffizienz deutlich weniger mittelalterlich geworden: Heutzutage unterziehen sich Patienten einer Kombination aus einer Umstellung ihres gesunden Lebensstils, der Verschreibung von Medikamenten und verwenden manchmal Herzschrittmacher. Dennoch bleibt Herzinsuffizienz eine der Hauptursachen für Morbidität und Mortalität und stellt eine erhebliche Belastung für die Gesundheitssysteme auf der ganzen Welt dar.

„Etwa die Hälfte der Menschen, bei denen eine Herzinsuffizienz diagnostiziert wurde, sterben innerhalb von fünf Jahren nach der Diagnose“, sagt Teya Bergamaschi, MIT-Doktorandin im Labor von Nina T. und Robert H. Rubin Professor Collin Stultz und Co-Erstautor einer neuen Arbeit, die ein Deep-Studying-Modell zur Vorhersage von Herzinsuffizienz vorstellt. „Zu verstehen, wie es einem Patienten nach einem Krankenhausaufenthalt ergehen wird, ist wirklich wichtig für die Zuteilung endlicher Ressourcen.“

Das Papier, veröffentlicht in Lancet eClinical Drugs von einem Forscherteam am MIT, Mass Normal Brigham und der Harvard Medical College, stellt Ergebnisse aus der Entwicklung und Erprobung von PULSE-HF vor, was frei für „Änderungen der linksventrikulären systolischen Funktion anhand von EKGs von Patienten mit Herzinsuffizienz vorhersagen“ steht. Das Projekt wurde im Stultz-Labor durchgeführt, das dem angegliedert ist MIT Abdul Latif Jameel Klinik für maschinelles Lernen im Gesundheitswesen. Das Deep-Studying-Modell wurde an drei verschiedenen Patientenkohorten aus dem Massachusetts Normal Hospital, dem Brigham and Girls’s Hospital und MIMIC-IV (einem öffentlich zugänglichen Datensatz) entwickelt und retrospektiv getestet. Es sagt präzise Veränderungen in der linksventrikulären Ejektionsfraktion (LVEF) voraus, additionally dem Prozentsatz des Blutes, das aus der linken Herzkammer gepumpt wird.

Ein gesundes menschliches Herz pumpt bei jedem Schlag etwa 50 bis 70 Prozent des Blutes aus der linken Herzkammer aus – alles andere gilt als Zeichen eines möglichen Issues. „Das Modell nimmt ein (Elektrokardiogramm) und gibt eine Vorhersage darüber aus, ob es innerhalb des nächsten Jahres eine Ejektionsfraktion geben wird, die unter 40 Prozent fällt oder nicht“, sagt Tiffany Yau, MIT-Doktorandin in Stultz‘ Labor, die auch Mit-Erstautorin des PULSE-HF-Artikels ist. „Das ist die schwerste Untergruppe der Herzinsuffizienz.“

Wenn PULSE-HF vorhersagt, dass sich die Ejektionsfraktion eines Patienten innerhalb eines Jahres voraussichtlich verschlechtern wird, kann der Arzt den Patienten für die Nachsorge priorisieren. Dadurch können Patienten mit geringerem Risiko die Anzahl ihrer Krankenhausbesuche und den Zeitaufwand für die Anbringung von 10 Elektroden an ihrem Körper für ein 12-Kanal-EKG reduzieren. Das Modell kann auch in klinischen Umgebungen mit geringen Ressourcen eingesetzt werden, beispielsweise in Arztpraxen in ländlichen Gebieten, in denen normalerweise kein Herzsonograph für die tägliche Durchführung von Ultraschalluntersuchungen beschäftigt ist.

„Der größte Unterschied zwischen (PULSE-HF) und anderen Herzinsuffizienz-EKG-Methoden besteht darin, dass es keine Erkennung, sondern eine Prognose durchführt“, sagt Yau. In dem Artikel wird darauf hingewiesen, dass es bisher keine anderen Methoden gibt, um den künftigen LVEF-Rückgang bei Patienten mit Herzinsuffizienz vorherzusagen.

Während des Check- und Validierungsprozesses verwendeten die Forscher eine Metrik namens „Fläche unter der Receiver Working Attribute Curve“ (AUROC), um die Leistung von PULSE-HF zu messen. AUROC wird typischerweise verwendet, um die Fähigkeit eines Modells zu messen, zwischen Klassen auf einer Skala von 0 bis 1 zu unterscheiden, wobei 0,5 zufällig und 1 perfekt ist. PULSE-HF erzielte in allen drei Patientenkohorten AUROCs im Bereich von 0,87 bis 0,91.

Bemerkenswert ist, dass die Forscher auch eine Model von PULSE-HF für Einzel-EKGs entwickelt haben, was bedeutet, dass nur eine Elektrode am Körper angebracht werden muss. Während 12-Kanal-EKGs allgemein als überlegen angesehen werden, da sie umfassender und genauer sind, struggle die Leistung der Einzelkanal-Model von PULSE-HF genauso stark wie die der 12-Kanal-Model.

Trotz der eleganten Einfachheit hinter der Idee von PULSE-HF täuscht sie, wie die meisten klinischen KI-Forschungen, über eine mühsame Umsetzung hinweg. „Es hat Jahre gedauert, dieses Projekt abzuschließen“, erinnert sich Bergamaschi. „Es hat viele Iterationen durchlaufen.“

Eine der größten Herausforderungen für das Group struggle das Sammeln, Verarbeiten und Bereinigen der EKG- und Echokardiogramm-Datensätze. Während das Modell darauf abzielt, die Ejektionsfraktion eines Patienten vorherzusagen, waren die Beschriftungen für die Trainingsdaten nicht immer ohne weiteres verfügbar. Ähnlich wie ein Schüler, der aus einem Lehrbuch mit einem Lösungsschlüssel lernt, ist die Beschriftung von entscheidender Bedeutung, um maschinellen Lernmodellen dabei zu helfen, Muster in Daten korrekt zu erkennen.

Sauberer, linearer Textual content in Kind von TXT-Dateien eignet sich normalerweise am besten für das Coaching von Modellen. Aber Echokardiogrammdateien liegen typischerweise in Kind von PDFs vor, und wenn PDFs in TXT-Dateien konvertiert werden, wird der Textual content (der durch Zeilenumbrüche und Formatierungen unterbrochen wird) für das Modell schwer lesbar. Auch die Unvorhersehbarkeit realer Szenarien, etwa ein unruhiger Affected person oder eine lose Spur, beeinträchtigte die Daten. „Es gibt viele Signalartefakte, die beseitigt werden müssen“, sagt Bergamaschi. „Es ist eine Artwork endloses Kaninchenloch.“

Während Bergamaschi und Yau anerkennen, dass kompliziertere Methoden dabei helfen könnten, die Daten nach besseren Signalen zu filtern, gibt es eine Grenze für den Nutzen dieser Ansätze. „An welchem ​​Punkt hörst du auf?“ fragt Yau. „Man muss über den Anwendungsfall nachdenken – ist es am einfachsten, dieses Modell zu haben, das mit Daten funktioniert, die etwas chaotisch sind? Denn das wird es wahrscheinlich sein.“

Die Forscher gehen davon aus, dass der nächste Schritt für PULSE-HF darin bestehen wird, das Modell in einer prospektiven Studie an echten Patienten zu testen, deren zukünftige Ejektionsfraktion unbekannt ist.

Trotz der Herausforderungen, die es mit sich bringt, klinische KI-Instruments wie PULSE-HF über die Ziellinie zu bringen, einschließlich des möglichen Risikos einer Verlängerung der Doktorarbeit um ein weiteres Jahr, sind die Studenten der Meinung, dass sich die Jahre harter Arbeit gelohnt haben.

„Ich denke, die Dinge sind teilweise deshalb lohnend, weil sie herausfordernd sind“, sagt Bergamaschi. „Ein Freund sagte zu mir: ‚Wenn Sie glauben, dass Sie nach dem Abschluss Ihre Berufung finden werden, wenn Ihre Berufung wirklich eine Berufung ist, dann wird sie in dem einen weiteren Jahr, das Sie bis zum Abschluss benötigen, da sein.‘ … Die Artwork und Weise, wie wir als Forscher im (ML- und Gesundheits-)Bereich gemessen werden, unterscheidet sich von anderen Forschern im ML-Bereich. Jeder in dieser Gemeinschaft versteht die einzigartigen Herausforderungen, die hier bestehen.“

„Es gibt zu viel Leid auf der Welt“, sagt Yau, die zu Stultz‘ Labor kam, nachdem ihr bei einem Gesundheitsereignis die Bedeutung maschinellen Lernens im Gesundheitswesen klar geworden struggle. „Alles, was versucht, Leiden zu lindern, würde ich als wertvolle Nutzung meiner Zeit betrachten.“

Der alte griechische Philosoph und Polymath Aristoteles kamen einmal zu dem Schluss, dass das menschliche Herz dreifellos ist und dass es das wichtigste Organ im gesamten Körper battle, Bewegung, Empfindung und Gedanken.

Heute wissen wir, dass das menschliche Herz tatsächlich vier Kammern hat und dass das Gehirn die Bewegung, das Gefühl und das Denken weitgehend kontrolliert. Aber Aristoteles battle zu Recht zu beobachten, dass das Herz ein lebenswichtiges Organ ist und Blut zum Relaxation des Körpers pumpte, um andere lebenswichtige Organe zu erreichen. Wenn ein lebensbedrohlicher Zustand wie Herzinsuffizienz schlägt, verliert das Herz allmählich die Fähigkeit, andere Organe mit genügend Blut und Nährstoffen zu versorgen, die es ihnen ermöglichen, zu funktionieren.

Forscher der MIT und der Harvard Medical College haben kürzlich einen Open-Entry veröffentlicht Papier in NaturkommunikationsmedizinEinführung eines nichtinvasiven Deep -Lern -Ansatzes, der das Elektrokardiogramm (EKG) analysiert, um das Risiko eines Patienten zur Entwicklung einer Herzinsuffizienz genau vorherzusagen. In einer klinischen Studie zeigte das Modell Ergebnisse mit Genauigkeit, die mit Goldstandard vergleichbar ist, aber invasivere Verfahren, was denjenigen, die eine Herzinsuffizienz bedroht haben, Hoffnung zu geben. Der Zustand hat kürzlich gesehen eine starke Erhöhung In der Mortalität, insbesondere bei jungen Erwachsenen, wahrscheinlich aufgrund der zunehmenden Prävalenz von Fettleibigkeit und Diabetes.

„Dieses Papier ist ein Höhepunkt der Dinge, über die ich mehrere Jahre lang an anderen Orten gesprochen habe“ Harvard-MIT-Programm in Gesundheitswissenschaften und Technologie und Associate der MIT Abdul Latif Jameel Klinik für maschinelles Lernen im Gesundheitswesen (Jameel -Klinik). „Das Ziel dieser Arbeit ist es, diejenigen zu identifizieren, die anfangen, krank zu werden, noch bevor sie Symptome haben, damit Sie früh genug eingreifen können, um Krankenhausaufenthalte zu verhindern.“

Von den vier Kammern des Herzens sind zwei Vorhöfe und zwei Ventrikel – die rechte Seite des Herzens hat ein Atrium und einen Ventrikel und umgekehrt. In einem gesunden menschlichen Herzen arbeiten diese Kammern in einer rhythmischen Synchronität: Sauerstoffarmer Blut fließt über das rechte Atrium ins Herz. Das rechte Atrium transportiert und der erzeugte Druck drückt das Blut in den rechten Ventrikel, wo das Blut dann in die Lunge gepumpt wird, um sauerstoffhaltig zu sein. Das sauerstoffreiche Blut aus der Lunge fließt dann in das linke Atrium ab, das sich zusammenzieht und das Blut in den linken Ventrikel pumpt. Es folgt eine andere Kontraktion, und das Blut wird über die Aorta aus dem linken Ventrikel ausgestoßen und fließt in Venen, die sich zum Relaxation des Körpers verzweigen.

„Wenn sich der linke Vorhofdruck erhöht, wird der Blutabfluss von der Lunge in das linke Atrium behindert, da es sich um ein höheres Drucksystem handelt“, erklärt Stultz. Stultz ist nicht nur Professor für Elektrotechnik und Informatik, sondern auch praktizierender Kardiologe am Mass Normal Hospital (MGH). „Je höher der Druck im linken Atrium, desto mehr Lungensymptome entwickeln Sie die Atemnot und so weiter. Da die rechte Seite des Herzens Blut durch das Lungengefäßsystem bis zur Lunge pumpt, führen die erhöhten Drücke im linken Atrium auf erhöhte Drücke im Lungengefäßsystem. “

Der aktuelle Goldstandard für die Messung des linken Vorhofsdrucks ist die RHC (Proper Coronary heart Catheterization des linken Vorhofs). Ärzte bevorzugen es häufig, das Risiko nicht invasiv zu bewerten, bevor sie auf RHC zurückgreifen, indem er das Gewicht, den Blutdruck und die Herzfrequenz des Patienten untersucht.

Aber nach Stultzs Ansicht sind diese Maßnahmen grob, wie sich die Tatsache zeigt, dass Ein-in-Vier-Herzinsuffizienz wird innerhalb von 30 Tagen ins Krankenhaus eingeleitet. „Was wir suchen, ist etwas, das Ihnen Informationen wie die eines invasiven Geräts als eine einfache Gewichtsskala gibt“, sagt Stultz.

Um umfassendere Informationen über die Herzerkrankung eines Patienten zu sammeln, verwenden Ärzte normalerweise ein 12-Kanal-EKG, bei dem 10 Klebstoffpflaster an den Patienten festgehalten und mit einer Maschine verbunden sind, die Informationen aus 12 verschiedenen Winkeln des Herzens erzeugt. 12-führende EKG-Maschinen sind jedoch nur in klinischen Umgebungen zugänglich und werden typischerweise nicht zur Beurteilung des Herzinsuffizienzrisikos verwendet.

Stattdessen ist das, was Stultz und andere Forscher vorschlagen Patch auf der Brust, die sie außerhalb des Krankenhauses tragen können, und nicht in eine Maschine.

Um Chais mit dem aktuellen Goldstandard, RHC, zu vergleichen, wählten die Forscher Patienten aus, die bereits für eine Katheterisierung geplant waren, und baten sie, das Patch 24 bis 48 Stunden vor dem Eingriff zu tragen, obwohl die Patienten gebeten wurden, das Patch vor der Katheterisierung zu entfernen. „Wenn Sie innerhalb von eineinhalb Stunden (vor dem Eingriff) eintreten, ist es 0,875, additionally ist es sehr, sehr intestine“, erklärt Stultz. „Dadurch ist ein Maß aus dem Gerät gleichwertig und gibt Ihnen die gleichen Informationen, als wären Sie in den nächsten anderthalb Stunden kathisch.“

„Jeder Kardiologe versteht den Wert der linken Vorhofdruckmessungen bei der Charakterisierung der Herzfunktion und der Optimierung der Behandlungsstrategien für Patienten mit Herzinsuffizienz“, sagt Aaron Aguirre SM ’03, PhD ’08, Kardiologe und kritischer Arzt bei MGH. „Diese Arbeit ist wichtig, da sie einen nichtinvasiven Ansatz zur Schätzung dieses wesentlichen klinischen Parameters mit einem weit verbreiteten Herzmonitor bietet.“

Aguirre, der am MIT einen Doktortitel in Medizintechnik und medizinischer Physik abgeschlossen hat, geht davon aus, dass Chais in zwei Schlüsselbereichen mit weiterer klinischer Validierung nützlich sein wird: Ersten ; und zweitens könnte die Technologie die serielle Überwachung und Verfolgung des linken Vorhoffendrucks bei Patienten mit Herzerkrankungen ermöglichen. „Eine nichtinvasive und quantitative Methode kann dazu beitragen, die Behandlungsstrategien bei Patienten zu Hause oder im Krankenhaus zu optimieren“, sagt Aguirre. „Ich bin gespannt, wo das MIT -Staff das nächste nimmt.“

Die Vorteile sind jedoch nicht nur auf Patienten beschränkt-für Patienten mit schwer zu verwaltetem Herzinsuffizienz wird es zu einer Herausforderung, sie davon abzuhalten bedrängte und unterbesetzte medizinische Belegschaft.

Die Forscher haben eine weitere laufende klinische Studie, die Chais mit MGH und Boston Medical Middle verwendet, mit dem sie bald abschließen können, um die Datenanalyse zu beginnen.

„Meiner Ansicht nach ist es das eigentliche Versprechen der KI im Gesundheitswesen, jedem, unabhängig von ihrem sozioökonomischen Standing, dem Hintergrund und dem Ort, an dem sie leben, eine gerechte, hochmoderne Versorgung bereitzustellen“, sagt Stultz. „Diese Arbeit ist ein Schritt, um dieses Ziel zu verwirklichen.“