Påvisning af hjertetilstande med enkeltaflednings-EKG ved hjælp af kunstig intelligens (DAVID1)

Hjertesvigt med reduceret venstre ventrikulær ejektionsfraktion (EF) er en relativt almindelig hjertepatologi med store kliniske implikationer. Mennesker med nedsat venstre ventrikulær EF har øget risiko for pludselig død, ventrikulære og atrielle arytmier og akut hæmodynamisk dekompensation på grund af hjertesvigt. Der er dokumenterede medicinske indgreb, der forhindrer pludselig hjertedød og komplikationer hos personer med nedsat venstre ventrikulær EF. Desværre er nogle mennesker med nedsat venstre ventrikulær EF asymptomatiske eller har uspecifikke symptomer som dyspnø og ville ikke modtage disse indgreb i tide. I øjeblikket er der ingen effektive måder at screene for asymptomatisk nedsat venstre ventrikulær EF i befolkningen, fordi påvisning af lav EF kræver brug af ekkokardiografi. Der er et betydeligt behov for at identificere nye teknologier, der kan hjælpe med at opdage mennesker med nedsat venstre ventrikulær EF på en enkel, effektiv og pålidelig måde.

Eko Devices har en cloud-baseret platform af point-of-care hjertescreeningsenheder og maskinlæringsalgoritmer, der muliggør mere effektiv påvisning og håndtering af hjerte-kar-sygdomme. I denne undersøgelse vil vi bruge Eko DUO-enheden til at indsamle enkelt-aflednings-EKG-data.

Eko DUO er et FDA-godkendt og CE-mærket elektronisk stetoskop, der tillader lydoptagelse af hjertelyd til at producere et fonokardiogram (PCG) samt optagelse af et enkelt-aflednings elektrokardiogram (EKG). DUO har 60x lydforstærkning, reduktion af omgivende støj, en 4000Hz samplerate og 4 lydfiltre. EKG-komponenten består af 2 elektroder i rustfrit stål, 0,01Hz højpasfilter, valgbart 50/60Hz netfilter og en 500Hz samplingsfrekvens. De afidentificerede auskultatoriske DUO-optagelser transmitterer trådløst via Bluetooth til den sikre, HIPAA-kompatible Eko-applikation på en smartphone eller tablet, som giver brugeren mulighed for at afspille hjertelydsoptagelser, kommentere noter på optaget lyd og gemme optagelser. Disse data synkroniseres i realtid til en sikker, HIPAA-kompatibel, cloud-baseret Amazon Web Services (AWS) databaseserver, der administreres af Eko Devices.

Det er tidligere blevet påvist, at kunstig intelligens behandler information fra et 12-aflednings EKG kan hjælpe med at identificere personer med nedsat venstre ventrikel EF1. Ved at bruge parrede 12-aflednings-EKG- og ekkokardiogramdata, inklusive venstre ventrikulær ejektionsfraktion, fra 44.959 patienter på Mayo Clinic, blev en konvolutionel neural trænet til at identificere patienter med lav ejektionsfraktion. Da modellen blev testet på et uafhængigt sæt på 52.870 patienter, viste modellen et Area Under the Curve ("AUC") på 0,93 og en nøjagtighed på 86%. Vi har også udviklet en enkelt-afledningsversion af den samme algoritme, som vil være lettere tilgængelig i kliniske omgivelser, da den kan bruges med en enkeltaflednings-EKG-enhed som Eko DUO-enheden. Vi foreslår at validere ydeevnen af ​​denne nye model ved hjælp af den nuværende undersøgelse.