AI-pohjainen sydämen toiminnan ennustaminen käyttämällä ehokardiografiaa ja kehon koostumusta koskevia tietoja (Echo-FIT-tutkimus) (ECHO-FIT)

Tausta ja perusteet:

Sydämen vajaatoiminta edustaa merkittävää globaalia terveystaakkaa, jolle on ominaista korkea sairastuvuus ja kuolleisuus. Vaikka ehokardiografia on edelleen sydämen vajaatoiminnan ja seurannan kultastandardi, mikä tarjoaa tärkeitä mittauksia, kuten vasemman kammion ejektiofraktiota (LVEF) ja diastolisen toiminnan arviointia, sen laajalle levinnyttä toteutusta rajoittavat resurssirajoitukset ja operaattorin riippuvuus. Bioelektrinen impedanssianalyysi (BIA) tarjoaa lupaavan komplementaarisen lähestymistavan, joka tarjoaa nopean ja ei-invasiivisen arvioinnin kehon koostumusparametreista, jotka ovat osoittaneet korrelaatioita sydän- ja verisuonituloksiin. Tämän tutkimuksen tarkoituksena on hyödyntää potentiaalista synergiaa ehokardiografisten havaintojen ja kehon koostumustietojen välillä kehittääkseen helpompaa seulontatyökalua sydämen toimintahäiriöihin.

Opintotavoitteet:

• Ensisijainen: Ennustavan mallin kehittäminen ja validointi vasemman kammion toiminnolle integroimalla kehon koostumustiedot QCCUNIQ BC 720 -laitteesta, jolla on tavalliset ehokardiografiset parametrit.

• Toissijainen:

  • Tutkitaan korrelaatioita kehon koostumusindeksien ja ehokardiografisten mittausten välillä
  • Arvioida kehon koostumuksen analyysin hyödyllisyys korkean riskin sydän- ja verisuonipotilailla
  • Arvioida mallin potentiaali seulontatyökaluna resurssien rajoitetuissa asetuksissa

Menetelmä:

Tämä yhden keskuksen mahdollinen havainnointitutkimus ilmoittautuu 2 000 aikuista (≥20 vuotta) rutiininomaisella ehokardiografialla, joka on jaettu tasaisesti niiden kesken, joilla on normaali sydämen toiminta (LVEF ≥ 50%) ja sydämen vajaatoiminta (LVEF <50%). Osallistujille tehdään kehon koostumusanalyysi käyttämällä QCCUNIQ BC 720 -laitetta viikon kuluessa heidän ehokardiogrammistaan.

Tiedonkeruu ja analyysi:

Kattava tiedonkeruu sisältää tavanomaiset ehokardiografiset parametrit (LVEF, diastolinen toiminta, rakenteelliset mittaukset) ja yksityiskohtainen kehon koostumusanalyysi (rasvamassa, luurankojen lihaksen massa, kehon kokonaisvesi). Tilastollisessa analyysissä käytetään sekä perinteisiä regressiomenetelmiä että edistyneitä koneoppimisalgoritmeja ennustavan mallin kehittämiseen. Mallin validointia hyödynnetään K-kertainen ristiinvalidointia, ja suorituskyky arvioidaan standardimittarien avulla, mukaan lukien herkkyys, spesifisyys ja käyrän alla oleva alue (AUC).