AI-analyse van geluiden gebruiken om de decOmpensatie van hartfalen te voorspellen (STEREO)

Hartfalen is een veel voorkomende aandoening waarbij het hart niet in staat is het gewenste hartminuutvolume te leveren, hetzij als gevolg van een verzwakte of stijve hartspier. Het treft meer dan 2% van de Britse bevolking (de incidentie bedraagt ​​ongeveer 200.000 gevallen per jaar), wat resulteert in 5% van alle spoedopnames in ziekenhuizen en het verbruikt ongeveer 2% van het jaarlijkse NHS-budget (ongeveer £ 2 miljard per jaar). Daarom is hartfalen niet alleen een belangrijke drijfveer voor ziekenhuisopnames, maar biedt het ook de belangrijkste mogelijkheid om vermijdbare opnames terug te dringen.

Acuut gedecompenseerd hartfalen (ADHF) is een medisch noodgeval dat dringende aandacht vereist. Het resulteert meestal in ziekenhuisopname en is een belangrijke oorzaak van de daarmee samenhangende gezondheidszorgkosten. ADHF wordt gewoonlijk gekenmerkt door een snelle verslechtering van kortademigheid in rust of bij inspanning als gevolg van longoedeem (pulmonale veneuze congestie) en vochtretentie resulterend in gezwollen benen, evenals een groot aantal andere symptomen, waaronder vermoeidheid, gebrek aan eetlust, enzovoort.

De patiënt vertoont normaal gesproken een geleidelijk of plotseling optreden van typische symptomen (kortademigheid, vermoeidheid en vochtophoping in de benen). Na stabilisatie en de initiële behandeling van ADHF komen patiënten in een plateaufase waarin het hart stabiel blijft. Na verloop van tijd ervaren de meeste patiënten echter meerdere episoden van ADHF, die doorgaans langer worden en met kortere tussenpozen worden gescheiden. De congestie houdt verband met de onderliggende verhoogde hartdruk, meestal secundair aan volumeoverbelasting, die een centrale rol speelt in de pathofysiologie, presentatie en prognose van hartfalen. Longcongestie is een van de belangrijkste diagnostische en therapeutische doelen bij hartfalen. Het vroegtijdig detecteren van longcongestie als gevolg van volumeoverbelasting is van cruciaal belang om een ​​dreigende heropname in het ziekenhuis te voorkomen en biedt een ideale gelegenheid om de behandeling van hartfalen in de gemeenschap te optimaliseren.

Vroegtijdige detectie van ADHF in de gemeenschap is uiteindelijk de eerste stap in het bieden van effectieve patiëntenzorg. Slechte herkenning van HF vanwege de veelheid aan vage/niet-specifieke symptomatologie van presentaties leidt vaak tot vertragingen in de diagnose en behandeling. De vertraging tussen het moment waarop een patiënt symptomen van HF-decompensatie ontwikkelt en het zoeken naar medische hulp is vaak aanzienlijk en wordt beïnvloed door de snelheid waarmee de symptomen optreden en de ernst ervan. Daarom is een betrouwbaar en gemakkelijk toegankelijk middel voor het beoordelen van de chronische vochtstatus bij ambulante poliklinische patiënten nodig om vroegtijdige decompensatie te detecteren wanneer passende interventie mogelijk is. De plotselinge ontwikkeling van kortademigheid (dyspneu) als gevolg van de ophoping van vocht in de longen (acuut longoedeem) geeft gewoonlijk snel contact met medische diensten, terwijl het geleidelijk optreden van gezwollen benen en enkels (perifeer oedeem) waarschijnlijker gepaard gaat met vertragingen. bij het zoeken naar zorg. De gemiddelde vertraging tussen het begin van de symptomen en de ziekenhuisopname varieerde van 2 uur tot 7 dagen. De symptomen van hartfalen ontwikkelen zich vaak geleidelijk en lijken niet-bedreigend, wat mogelijk een aantal van de waargenomen vertragingen bij het zoeken naar zorg kan verklaren.

De afgelopen jaren hebben verschillende pilotstudies een verband aangetoond tussen spraakbiomarkers en de omvang van systemische en/of longcongestie bij patiënten met hartfalen. In 2017 bleek bijvoorbeeld uit een onderzoek onder 10 (8 M, 2F) patiënten met acuut gedecompenseerd hartfalen die een intraveneuze behandeling met intraveneuze diuretische therapie ondergingen dat patiënten na de behandeling een groter percentage automatisch geïdentificeerde krakende stem vertoonden, een verhoogde fundamentele frequentie en verminderde variatie in de prominentie van de cepstrale piek, wat suggereert dat spraakbiomarkers vroege indicatoren van HF kunnen zijn. De studie toonde ook aan dat de ernst van HF-gerelateerd oedeem dat nodig is om de stem meetbaar te veranderen klein is vergeleken met de ernst die nodig is om het lichaamsgewicht te verhogen, wat suggereert dat spraakbiomarkers een effectiever niet-invasief hulpmiddel zouden kunnen worden om HF-patiënten te monitoren dan dagelijkse gewichten. . In 2021 evalueerde een ander onderzoek de haalbaarheid van spraakanalyse op afstand bij de evaluatie van dynamische vloeistofoverbelasting bij patiënten met hartfalen die een hemodynamische behandeling ondergaan. Ze voerden seriële spraak-/stemmetingen uit bij 5 patiënten die hemodialyse ondergingen. De analyse is gedaan met een app die zijn AI-algoritme niet deelt. Ze toonden statistisch significante verschillen aan in geselecteerde spraakbiomarkers op verschillende vloeistofstatusniveaus naarmate de patiënten vorderden door de behandeling. Vervolgens, in 2022, identificeerde een vergelijking van geluidsopnamen voor patiënten opgenomen met ADHF op de dag van opname en de dag van ontslag met een steekproef van 40 patiënten die waren opgenomen met acuut gedecompenseerd hartfalen significante verschillen in alle 5 geteste spraakmaten van nat (opname) versus droge (ontslag) opnames.

Afzonderlijk evalueerde een onderzoek in 2022 spraak- en pauzeveranderingen in stemopnames van acute (N = 68) en stabiele (N = 36) patiënten en ontdekte dat de pauzeratio een toename van 14,9% bedroeg bij patiënten met acuut HF. Ze vonden ook een positieve correlatie met het NT-Pro-BNP-niveau. Een ander onderzoek uit 2022 onderzocht zowel Mel-Frequency cepstral coëfficiënt (MFCC) kenmerken als glottisspraakkenmerken, waarbij een steekproef van 25 gezonde sprekers (7F, 18M) werd vergeleken met 20 patiënten met HF van welke etiologie dan ook (ongeacht LVEF). Na de selectie van de kenmerken ontwikkelden ze voorspellende modellen met behulp van vier verschillende classificatiemethoden (SVM, ET, Adaboost en FFNN). Op basis van een combinatie van MFCC- en Glottal-spraakkenmerken waren ze in staat ADHF te voorspellen met nauwkeurigheid variërend van 88-94%, met een echt positief percentage van 79,47% en een echt negatief percentage van 82,69%.

Door een uitgebreid panel van klinische beoordelingen, onderzoeken en symptoomgebaseerde vragenlijsten uit te voeren in een onderzoek waarbij maximaal 250 patiënten met hartfalen betrokken waren, willen de onderzoekers voortbouwen op recent werk en een nieuwe op AI gebaseerde applicatie ontwikkelen die op een slim apparaat wordt ingezet. die een toename van de longcongestie kunnen detecteren door subtiele veranderingen in de hoest, stem, ademhaling en borstgeluiden van een patiënt. Dit zal belangrijke informatie opleveren voor patiënten met hartfalen en hun klinische teams, door progressieve vochtophoping in de longen van een patiënt correct te detecteren voordat de patiënt significante symptomen ontwikkelt. Het detecteren van longcongestie in een vroege fase zal artsen in staat stellen de therapie effectiever te richten. Gehoopt wordt dat dit zal bijdragen aan het minimaliseren en uiteindelijk voorkomen van de noodzaak van herhaalde spoedopname in het ziekenhuis, door de patiënt te waarschuwen contact op te nemen met zijn (community) hartfalenteam en eerdere poliklinische behandeling mogelijk te maken voordat de noodzaak om opnieuw in het ziekenhuis te worden opgenomen de acute fase ingaat.

Afhankelijk van de succesvolle uitkomst van dit onderzoek zal vervolgens een prospectieve interventionele klinische proef worden uitgevoerd om de klinische en operationele voordelen van de AI-tool die is afgeleid van dit onderzoek naar de NHS-zorg voor hartfalen te testen, waardoor de weg wordt vrijgemaakt voor de uiteindelijke adoptie van dergelijke oplossingen. in de routinematige klinische praktijk.