Påvisning av hjertetilstander med enkeltavlednings-EKG ved bruk av kunstig intelligens (DAVID1)

Hjertesvikt med redusert venstre ventrikkel ejeksjonsfraksjon (EF) er en relativt vanlig hjertepatologi med store kliniske implikasjoner. Personer med redusert venstre ventrikkel EF har økt risiko for plutselig død, ventrikulære og atriearytmier og akutt hemodynamisk dekompensasjon på grunn av hjertesvikt. Det er påvist medisinske intervensjoner som forhindrer plutselig hjertedød og komplikasjoner hos personer med nedsatt venstre ventrikkel EF. Dessverre er noen personer med redusert venstre ventrikkel EF asymptomatiske, eller har uspesifikke symptomer som dyspné, og vil ikke motta disse intervensjonene i tide. Foreløpig er det ingen effektive måter å screene for asymptomatisk redusert venstre ventrikkel EF i populasjonen, fordi påvisning av lav EF krever bruk av ekkokardiografi. Det er et betydelig behov for å identifisere nye teknologier som kan bidra til å oppdage personer med redusert venstre ventrikkel EF på en enkel, effektiv og pålitelig måte.

Eko Devices har en skybasert plattform med punkt-of-care hjertescreeningsenheter og maskinlæringsalgoritmer som muliggjør mer effektiv påvisning og behandling av hjerte- og karsykdommer. I denne studien vil vi bruke Eko DUO-enheten til å samle inn enkelt-avlednings-EKG-data.

Eko DUO er et FDA-godkjent og CE-merket elektronisk stetoskop som tillater lydopptak av hjertelyd for å produsere et fonokardiogram (PCG) samt ta opp et enkelt-avlednings elektrokardiogram (EKG). DUO har 60x lydforsterkning, reduksjon av omgivelsesstøy, en samplingsfrekvens på 4000 Hz og 4 lydfiltre. EKG-komponenten består av 2 elektroder i rustfritt stål, 0,01 Hz høypassfilter, valgbart 50/60 Hz nettfilter og en samplingsfrekvens på 500 Hz. De avidentifiserte auskultatoriske DUO-opptakene overfører trådløst via Bluetooth til den sikre, HIPAA-kompatible Eko-applikasjonen på en smarttelefon eller nettbrett, som lar brukeren spille av hjertelydopptak, kommentere notater på innspilt lyd og lagre opptak. Disse dataene synkroniseres i sanntid til en sikker, HIPAA-kompatibel, skybasert Amazon Web Services (AWS) databaseserver administrert av Eko Devices.

Det er tidligere vist at kunstig intelligens-behandling av informasjon fra et 12-avlednings-EKG kan hjelpe til med å identifisere personer med redusert venstre ventrikkel EF1. Ved å bruke sammenkoblede 12-avlednings-EKG- og ekkokardiogramdata, inkludert venstre ventrikkel-ejeksjonsfraksjon, fra 44 959 pasienter ved Mayo Clinic, ble en konvolusjonell nevral trent til å identifisere pasienter med lav ejeksjonsfraksjon. Når den ble testet på et uavhengig sett på 52 870 pasienter, viste modellen en Area Under the Curve ("AUC") på 0,93 og en nøyaktighet på 86 %. Vi har også utviklet en enkelt-avledningsversjon av samme algoritme, som vil være lettere tilgjengelig i en klinisk setting siden den kan brukes med en enkeltavlednings-EKG-enhet som Eko DUO-enheten. Vi foreslår å validere ytelsen til denne nye modellen ved å bruke den nåværende studien.