AI-Řízená Elektrokardiogramem Vedená Léčba Dle Směrnic na Incidenci Dysfunkce Levé Komory: Studie Emulující Cílovou Klinickou Studii

Tato retrospektivní multicentrická studie využila data z elektronických zdravotních záznamů (EMR) z celonárodního zdravotnického systému na Tchaj-wanu, který zahrnoval jedno akademické lékařské centrum a sedm regionálních nemocnic. Studijní období trvalo od ledna 2016 do prosince 2024. Klinická data zahrnovala demografické údaje, komorbidity, předpisy léků, výsledky 12-svodových elektrokardiogramů a výsledky transtorakální echokardiografie.

K detekci dysfunkce levé komory (LVD) byl vyvinut model umělé inteligence pro elektrokardiografii (AI-ECG) využívající více než 50 000 spárovaných záznamů EKG-echokardiografie získaných v intervalu 7 dnů. Architektura modelu se skládala z 82-vrstvé konvoluční neuronové sítě zahrnující mechanismus pozornosti pro zachycení významných časových a morfologických rysů EKG. Finální model byl aplikován beze změn na studijní kohortu pro stratifikaci rizika.

Všichni způsobilí pacienti měli na začátku zachovanou ejekční frakci levé komory (LVEF). Na základě predikcí AI-ECG při zařazení do kohorty byli pacienti klasifikovaní modelem jako mající LVD navzdory normální výchozí LVEF označeni jako skupina s vysokým rizikem AI-ECG, zatímco ti, u kterých se předpokládalo, že nemají LVD, byli označeni jako skupina s nízkým rizikem AI-ECG. Primárním výsledkem byl výskyt poklesu funkce levé komory, definovaný jako snížení LVEF na ≤40 % při následné echokardiografii.

Kandidátní preventivní terapie, včetně inhibitorů angiotenzin konvertujícího enzymu (ACEi) nebo blokátorů receptorů pro angiotenzin II (ARB), betablokátorů a inhibitorů sodíko-glukózového kotransportéru 2 (SGLT2), byly nejprve prozkoumány hodnocením jejich individuálních a kombinovaných předpisových vzorců a jejich asociací s primárním výsledkem. Nejslibnější terapie identifikovaná v této screeningové fázi byla následně hodnocena pomocí rámce napodobujícího cílovou studii. Konkrétně bylo nově zahájené užití kandidátní terapie porovnáno s neužitím k napodobení randomizované kontrolované studie, čímž byl odhadnut účinek časné preventivní léčby na výskyt poklesu LVEF pomocí reálných observačních dat.

Výzkumníci předem specifikovali analytické metody pro odhad kauzálních kontrastů pomocí analýz doby do události vhodných pro observační data, po napodobení náhodného přidělení léčby. Předem specifikované senzitivní analýzy byly provedeny k posouzení robustnosti zjištění v různých klinických prostředích, profilech komorbidit, doprovodných terapiích a alternativních prahových hodnotách rizika AI-ECG.