머신 러닝을 통한 심장 운반의 예측 (PRE-HF-ML)

Apple Watch와 같은 소비자 부문의 "웨어러블"으로 알려진 중요한 기능을 측정하기위한 웨어러블 장치는 큰 인기를 얻었습니다. 점점 더 심혈관 평가에 사용되고 있습니다. 예를 들어, 심장학 및 폐학과의 이전 연구에 따르면 Apple Watch는 HF 환자에 의해 잘 받아 들여졌으며 평균 일일 단계 수는 6 분 보행 테스트와 유의 한 상관 관계가 있음을 보여주었습니다. 그 후 연구는 간단한 상관 분석에서 HF 환자의 혐오와 같은 임상 실험실 측정 또는 사건을 예측하는 것과 같은보다 복잡한 작업으로 전환되었습니다.

기계 학습 방법은 심부전 분야의 다양한 예측에 적합한 것으로 입증되었습니다. 예를 들어, ECG 데이터는 NT-ProBNP 수준, 연령 또는 성별, 빈혈 또는 신부전 기능 부전과 같은 HF 위험 대리 또는 동반 질환을 예측하는 데 사용될 수 있습니다. ECG 외에도 여러 측정을 결합한 다중 모드 접근 방식은 데이터 중심의 HF 위험 평가의 타당성을 보여주었습니다. 예는 심장 MRI와 임상 정보와 결합하여 입원 시간 또는 심방 세동에서의 HF 발병률을 예측합니다.

ECG만으로는 심부전 (HF) 평가에 대한 충분한 예후 가치를 제공하지 않기 때문에이 연구는 추가 센서 데이터를 통합하여 ART의 상태를 발전시키는 것을 목표로합니다. Apple Watch는 선택한 장치로 사용됩니다. 추출 된 매개 변수에는 호흡 속도, 산소 포화도, 야간 온도, 가속 데이터 및 자동으로 제공된 파생 매개 변수 (예 : 단계 수, 수면 시간)가 포함됩니다.

특정 목표 :

• Apple Watch를 사용하여 HF 환자로부터 데이터를 수집하십시오.
• 데이터를 통합 형식으로 추출하고 통합하십시오.
• 임상 매개 변수와 상관 관계 분석을 수행하십시오.
• 임상 매개 변수를 예측하기 위해 알고리즘/모델을 개발하십시오.
• 개발 된 모델의 예측력을 통계적으로 평가합니다.

관심있는 임상 매개 변수 :

• 캔자스 시티 심근 병증 설문지 (KCCQ)의 변화.
• N- 말단 Pro-B- 타입 나트륨 이뇨 펩티드 (NT-ProBNP) 수준의 변화.
• 헤모글로빈 농도의 변화.
• 신장 기능의 변화 (크레아티닌, GFR).
• 표준 임상 검사 매개 변수의 변화 : 전해질, 간 기능, 혈액 수, CRP, 갑상선 기능.
• 임상 증상에 기초한 의사를 치료하여 약물의 변화/조정.
• 부피 상태의 변화 (부종, 체중, 흉부 엑스레이).

KCCQ 및 NT-PROBNP 수준은 입원시 측정 될 것이며,이 기준 값으로부터의 변화는 퇴원 당일과 방전 후 90 일의 두 시점에서 평가 될 것이다.

이것은 데이터 중심의 연구이므로 가이드 라인 호환 처리의 일부로 수집 된 추가 데이터도 포함되어 상관 관계에 대해 분석됩니다. 여기에는 42 개의 항목, 환자 혈액 샘플에서 결정된 실험실 매개 변수 (예 : 혈액 수, 혈청 분석, 응고 검사), 입원 중에 두 번 수행 된 심 초음파 검사 (예 : LV-EF, Lavi, Valvular Disease의 중증도)로 구성된 DZHK 코어 데이터 세트가 포함됩니다. , 입원 기간 동안 체중/부종 상태 동향 및 약물을 투여합니다.

절차 적 설명

입원 당일, 적격 HF 환자는 상기 기준에 따라 확인되고 모집됩니다. 각 참가자는 Apple Watch와 그 사용에 대한 소개를받습니다. 퇴원 당일 Apple Watch는 수집되어 데이터 추출을 위해 의료 정보 연구소에 양도됩니다. 데이터 분석은 오프라인으로 수행됩니다.

사전 동의 절차

사전 동의는 명확성과 가독성을 위해 설계된 서면 자료의 분포를 통해 개인적으로 얻을 것입니다. 이 자료는이 응용 프로그램의 부록에 포함됩니다.

3 개월 후 후속 조치

후속 예약은 실험실 퇴원 및 심 초음파 검사 후 90 일 (± 10 일)으로 예정됩니다. 이 후속 조치 동안 혈액 수, 혈청 분석 및 응고 시험을 포함한 실험실 파라미터가 재평가되고 심 초음파 검사가 수행됩니다. 중간 병원 입원 및 관련 임상 정보 (입원 사유, 치료 사유)도 기록됩니다.

평가 조치

결론의 편견 및 오류를 피하기 위해 모든 평가 중에 특정 조치가 구현됩니다.

• 데이터 세트는 교육, 검증 및 테스트 하위 집합으로 나뉩니다.
• 테스트 데이터 세트는 처음에 추출되고 모델의 최종 평가를 위해 독점적으로 예약됩니다.
• 교육 및 검증 데이터는 교차 검증을 사용하여 분할됩니다.
• 데이터 누출을 방지하기 위해 모든 전처리 단계는 훈련 데이터 세트에서만 수행됩니다.
• 결과는 "개별 예후 또는 진단 (삼각대)에 대한 다변량 예측 모델의 투명한보고"의 지침에 기초하여보고 될 것이다.

연구 인구

이 연구에는 HFREF 유형의 급성 보상되지 않은 심부전이있는 HF 환자 (좌심실 배출 분율 감소)가 포함됩니다.

관찰 기간 :

2024 년 4 월 1 일 -2025 년 5 월 30 일 (90 일 후속 조치 포함).

예상 참가자 수 :

32 명의 환자.

예상되는 위험

HF 환자는 현재 지침에 따라 치료됩니다. 또한 생리 학적 데이터를 수집하기 위해 Apple Watches를 착용 할 것입니다. Apple Watch에는 CE 마킹이있어 모든 EU 안전 및 건강 보호 요구 사항을 준수합니다. Apple Watch와 가이드 라인 호환 처리 간의 상호 작용은 예상되지 않습니다. 따라서 연구 참여는 참가자에게 의학적 단점이나 위험을 초래하지 않습니다.

방법론 및 분석

개발 된 모델을 평가하기 위해 표준 통계 메트릭이 적용됩니다.

• 회귀 작업 (예 : KCCQ 점수의 변화 예측)의 경우 루트 평균 제곱 오차 (RMSE)와 같은 메트릭이 사용됩니다.
• 분류 문제 (예 : 빈혈 예측)의 경우 ROC 곡선 (AUC) 및 F1- 점수와 같은 지표가 적용됩니다.