Maskinlæring i kvantitativ stressekkokardiografi (MLQSE)

Nyoppståtte brystsmerter er en vanlig plage og kan være en markør for betydelig kardiovaskulær sykdom og risiko for hjerteinfarkt og død; Derfor er det avgjørende å få en nøyaktig diagnose for å veilede pasientbehandlingen. Det er bemerkelsesverdig at bare 40-50 % av pasientene som har invasiv arteriografi i ettertid gjennomgår revaskularisering. Dette understreker unøyaktigheten i de første testene som ble brukt før arteriografi.

Historisk har elektrokardiografisk stresstesting under trening blitt brukt for å oppdage induserbar myokardiskemi, men dens diagnostiske sensitivitet og spesifisitet er lav (ca. 65%). Diagnostisk nøyaktighet kan forbedres ved å inkorporere ekkokardiografi eller enkeltfoton-emisjon datatomografi. Gjeldende NICE-retningslinjer anbefaler at pasienter med nylig debuterte brystsmerter bør undersøkes med CT koronar angiografi som en første linje, og hvis dette avslører en signifikant stenose, bør det utføres en funksjonell avbildningstest.

Myocardial Doppler in Stress Echocardiography (MYDISE)-studien vurderte den diagnostiske verdien av kvantitativ stressekkokardiografi under infusjon av dobutamin, et korttidsvirkende syntetisk katekolamin som virker på β-1 adrenerge reseptorer for å øke hjertefrekvensen og myokardial kontraktilitet. Måling av de systoliske hastighetene til LV-langaksefunksjonen ved toppstress hadde god reproduserbarhet (variasjonskoeffisienter i basalsegmenter 9-14 % i hvile og 11-18 % ved toppstress) og lignende sensitiviteter og spesifisiteter (ca. 70 %) som publiserte studier der ekspertobservatører rapporterte score for veggbevegelser. Når det ble justert for de uavhengige effektene av alder, kjønn og hjertefrekvens, økte imidlertid diagnostisk nøyaktighet betydelig med C-statistikk (areal under mottaker-operatør-kurver) opptil 90 %.

Visuell analyse av stressekkokardiografi for å oppdage myokardiskemi avhenger av kvalitativ vurdering av flere parametere. Store studier av kvantitativ stressekkokardiografi har vært begrenset til å identifisere den enkelte beste ekkokardiografiske variabelen, og de har brukt diameterstenose som referansekriterium. Progressive subkliniske reduksjoner av regional (langakset) myokardfunksjon er påvist hos personer med kardiovaskulære risikofaktorer, som påvirker myokarddeformasjon (belastning og tøyningshastighet) samt hastigheter. Iskemi endrer tidspunktet for hendelser i løpet av hjertesyklusen - for eksempel forlenger fasene før og etter utstøting. Disse faktorene bekrefter det kliniske behovet for objektiv måling av regional myokardfunksjon gjennom hele hjertesyklusen.

Det er nå mulig å lage algoritmer som ikke bare er basert på et enkelt tidspunkt (f.eks. topphastighet), men som i stedet er avhengig av analyse av hele hastighetskurven. Dette konseptet kan også utvides til å inkludere tøynings- og tøyningshastighetskurver. Etterforskere ved Universitat Pompeu Fabra, Barcelona, ​​har utviklet denne tilnærmingen for å lage et statistisk hjerteatlas for å oppdage dyssynkroni. Et lignende konsept har blitt brukt ved bruk av multiple kernel learning til pasienter med dyspné som har gjennomgått treningsstresstesting for å identifisere de med tegn på diastolisk hjertesvikt. Dette har gjort det mulig å sammenligne hastighetsspor fra hele hjertesyklusen og skille mellom kontrollene. personer (med og uten dyspné) og de som er diagnostisert med hjertesvikt med bevart ejeksjonsfraksjon (HFpEF); de største forskjellene som er observert er i tidlig diastolisk funksjon. Denne applikasjonen har ikke tidligere blitt brukt til å utforske induserbar myokardiskemi i stressekkokardiografi, men lignende funn kan forventes, ettersom endringer under diastole er blant de tidligste og mest sensitive indikatorene på myokardiskemi. Enkeltpersoner ved Universitetet i Leuven (Prof Jan D'hooge) har nylig utviklet overvåkede maskinlæringsmetoder som tillater automatisk klassifisering av myokardsegmenter basert på deres lokale mekaniske oppførsel (dvs. hastighet/belastning/belastningshastighet) etter å ha gått gjennom en treningsfase; den foreslåtte tilnærmingen til maskinlæring overgår ekspertveggbevegelsesavlesninger samt eksperttolkning av segmentelle belastningsspor ved klassifisering av iskemiske segmenter.