AI-alapú elektrokardiogram-vezérelt irányelvvezérelt orvosi terápia a keletkező bal kamrai diszfunkcióra: Célzott vizsgálati emulációs tanulmány

Ez a retrospektív, multicentrikus vizsgálat egy országos egészségügyi rendszer elektronikus orvosi nyilvántartási (EMR) adatait használta fel Tajvanon, amely egy akadémiai orvosi központot és hét regionális kórházat foglalt magában. A vizsgálati időszak 2016. januárjától 2024. decemberéig tartott. A klinikai adatok közé tartoztak a demográfiai adatok, társbetegségek, gyógyszeres előírások, 12-csatornás elektrokardiogramok és tranzitorakos echokardiográfiás eredmények.

Mesterséges intelligencia által támogatott elektrokardiográfiás (AI-ECG) modellt fejlesztettek ki a bal kamrai diszfunkció (LVD) észlelésére, több mint 50 000, 7 napos intervallumon belül nyert párosított ECG-echokardiogram felvétel felhasználásával. A modellarchitektúra egy 82 rétegű konvolúciós neurális hálózatból állt, amely figyelmi mechanizmust tartalmazott a jelentős időbeli és morfológiai ECG jellemzők rögzítésére. A végleges modellt módosítás nélkül alkalmazták a vizsgálati kohorsz kockázati rétegezésére.

Minden jogosult betegnél megőrzött bal kamrai ejekciós frakció (LVEF) volt alapállapotban. A kohorszbeli belépéskor végzett AI-ECG előrejelzések alapján a modell által LVD-vel rendelkezőként osztályozott betegeket, annak ellenére, hogy normális alap-LVEF-vel rendelkeztek, AI-ECG magas kockázati csoportként jelölték meg, míg azokat, akiknél nem jósolták LVD-t, AI-ECG alacsony kockázati csoportként. A primer kimenetel a bal kamrai funkcionális hanyatlás előfordulása volt, amelyet az LVEF csökkenése ≤40%-ra definiáltak a követő echokardiográfián.

A lehetséges preventív terápiák, ideértve az angiotenzin konvertáló enzim gátlókat (ACEi) vagy angiotenzin II receptor blokkolókat (ARB), béta-blokkolókat és nátrium-glükóz kotranszporter 2 (SGLT2) gátlókat, először az egyéni és kombinált előírási mintázatok és azok primer kimenetelhez való kapcsolatának értékelésével szűrték. A szűrési fázisban azonosított legígéretesebb terápiát ezután célzott vizsgálat emulációs keretrendszerrel értékelték. Pontosabban, a lehetséges terápia újonnan kezdett használatát összehasonlították a nem használattal egy randomizált kontrollált vizsgálat emulálására, ezáltal a korai preventív kezelés hatását becsülve a bal kamrai ejekciós frakció csökkenésének előfordulására valós idejű megfigyelési adatok felhasználásával.

A kutatók előre meghatározták az elemzési módszereket a kauzális kontrasztok becslésére, idő-esemény elemzéseket alkalmazva, amelyek megfelelnek a megfigyelési adatokhoz, a véletlenszerű kezelés-hozzárendelés emulálása után. Előre meghatározott érzékenységi elemzéseket végeztek a megállapítások robusztusságának felmérésére különböző klinikai környezetek, társbetegségi profilok, egyidejű terápiák és alternatív AI-ECG kockázati küszöbértékek között.