Wykorzystanie analizy dźwięków AI do przewidywania dekompensacji niewydolności serca (STEREO)

Niewydolność serca jest częstym schorzeniem, w którym serce nie jest w stanie zapewnić wymaganej pojemności minutowej serca z powodu osłabienia lub sztywności mięśnia sercowego. Dotyka ponad 2% populacji Wielkiej Brytanii (zapadalność wynosi około 200 000 przypadków rocznie), odpowiada za 5% wszystkich przyjęć do szpitali w nagłych przypadkach i pochłania około 2% rocznego budżetu NHS (około 2 miliardów funtów rocznie). Dlatego niewydolność serca jest nie tylko główną przyczyną hospitalizacji, ale zapewnia wiodącą szansę na zmniejszenie liczby przyjęć, którym można zapobiec.

Ostra niewyrównana niewydolność serca (ADHF) to nagły przypadek medyczny wymagający pilnej interwencji. Zwykle skutkuje hospitalizacją w szpitalu i jest głównym czynnikiem wpływającym na powiązane koszty opieki zdrowotnej. ADHF zwykle charakteryzuje się szybkim pogorszeniem duszności w spoczynku lub po wysiłku z powodu obrzęku płuc (zastoju żył płucnych) i zatrzymania płynów skutkującego obrzękiem nóg, a także niezliczoną liczbą innych objawów, w tym zmęczeniem, brakiem apetytu i tak dalej.

U pacjenta zwykle pojawiają się stopniowe lub nagłe typowe objawy (duszność, zmęczenie i gromadzenie się płynu w nogach). Po stabilizacji i początkowym leczeniu ADHF pacjenci wchodzą w fazę plateau, w której serce pozostaje stabilne. Jednakże z biegiem czasu u większości pacjentów występuje wiele epizodów ADHF, które zazwyczaj stają się dłuższe i oddzielone krótszymi przerwami. Przekrwienie jest związane ze zwiększonym ciśnieniem sercowym, zwykle wtórnym do przeciążenia objętościowego, które odgrywa kluczową rolę w patofizjologii, obrazie i rokowaniu niewydolności serca. Przekrwienie płuc jest jednym z najważniejszych celów diagnostycznych i terapeutycznych w niewydolności serca. Wczesne wykrycie zatoru płucnego spowodowanego przeciążeniem objętościowym ma kluczowe znaczenie dla zapobiegania zbliżającej się ponownej hospitalizacji i stanowi idealną okazję do optymalizacji leczenia niewydolności serca w społeczeństwie.

Wczesne wykrycie ADHF w społeczności jest ostatecznie pierwszym krokiem w zapewnieniu pacjentowi skutecznej opieki. Słabe rozpoznanie HF ze względu na mnogość niejasnych/niespecyficznych objawów często prowadzi do opóźnień w diagnozie i leczeniu. Opóźnienie między wystąpieniem objawów dekompensacji HF a zwróceniem się o pomoc lekarską jest często znaczne i zależy od szybkości wystąpienia i nasilenia objawów. Dlatego potrzebny jest niezawodny i łatwo dostępny sposób oceny przewlekłego stanu płynów u pacjentów ambulatoryjnych, aby wykryć wczesną dekompensację, gdy możliwa jest odpowiednia interwencja. Nagły rozwój duszności (duszność) na skutek gromadzenia się płynu w płucach (ostry obrzęk płuc) zwykle powoduje szybki kontakt ze służbą medyczną, natomiast stopniowe pojawianie się obrzęków nóg i kostek (obrzęki obwodowe) częściej wiąże się z opóźnieniami w szukaniu opieki. Średnie opóźnienie między wystąpieniem objawów a przyjęciem do szpitala wahało się od 2 godzin do 7 dni. Objawy niewydolności serca często rozwijają się stopniowo i nie wydają się groźne, co może wyjaśniać niektóre z zaobserwowanych opóźnień w zgłoszeniu się do lekarza.

W ostatnich latach kilka badań pilotażowych wykazało związek między biomarkerami mowy a stopniem zastoju ogólnoustrojowego i/lub płucnego u pacjentów z niewydolnością serca. Na przykład badanie przeprowadzone w 2017 r. z udziałem 10 (8 M, 2F) pacjentów z ostrą niewyrównaną niewydolnością serca leczonych szpitalnie dożylnymi lekami moczopędnymi wykazało, że po leczeniu u pacjentów występował większy odsetek automatycznie rozpoznawanego skrzypiącego głosu, zwiększona częstotliwość podstawowa i zmniejszona zmienność szczytowej widoczności mózgu, co sugeruje, że biomarkery mowy mogą być wczesnymi wskaźnikami HF. Badanie wykazało również, że nasilenie obrzęku związanego z HF wymagane do wymiernej zmiany głosu jest małe w porównaniu z ciężkością niezbędną do zwiększenia masy ciała, co sugeruje, że biomarkery mowy mogą stać się skuteczniejszym nieinwazyjnym narzędziem do monitorowania pacjentów z HF niż dzienna masa ciała . W 2021 roku w kolejnym badaniu oceniano przydatność zdalnej analizy mowy w ocenie dynamicznego przeciążenia płynami u pacjentów z niewydolnością serca poddawanych leczeniu hemodynamicznemu. Przeprowadzili seryjne pomiary mowy/głosu u 5 pacjentów poddawanych hemodializie. Analizę przeprowadzono na aplikacji, która nie udostępnia algorytmu AI. Wykazali statystycznie istotne różnice w wybranych biomarkerach mowy przy różnych poziomach nawodnienia pacjentów w miarę postępu leczenia. Następnie w 2022 roku porównanie nagrań dźwiękowych pacjentów przyjętych z ADHF w dniu przyjęcia i w dniu wypisu z próbą 40 pacjentów przyjętych z powodu ostrej niewyrównanej niewydolności serca wykazało istotne różnice we wszystkich 5 badanych miernikach mowy mokrej (przyjęcie) a nagrania suche (wypisanie).

Odrębnie w badaniu przeprowadzonym w 2022 r. oceniano zmiany mowy i pauz w nagraniach głosu pacjentów z ostrą (N=68) i stabilną (N=36) pacjenta i stwierdzono, że współczynnik pauz wzrósł o 14,9% u pacjentów z ostrą HF. Stwierdzili także dodatnią korelację z poziomem NT-Pro-BNP. W innym badaniu przeprowadzonym w 2022 r. zbadano zarówno cechy współczynnika cepstralnego częstotliwości Mel (MFCC), jak i cechy mowy krtaniowej, porównując próbę 25 zdrowych osób mówiących (7F, 18M) i 20 pacjentów z HF o dowolnej etiologii (niezależnie od LVEF). Po dokonaniu selekcji cech opracowano modele predykcyjne przy użyciu czterech różnych metod klasyfikacji (SVM, ET, Adaboost i FFNN). W oparciu o kombinację cech mowy MFCC i glottalnej byli w stanie przewidzieć ADHF z dokładnością w zakresie 88–94%, przy czym odsetek prawdziwie dodatni wynosił 79,47%, a odsetek prawdziwie ujemny – 82,69%.

Przeprowadzając obszerny panel ocen klinicznych, badań, a także kwestionariuszy opartych na objawach w badaniu z udziałem maksymalnie 250 pacjentów z niewydolnością serca, badacze chcą wykorzystać najnowsze prace i opracować nowatorską aplikację opartą na sztucznej inteligencji wdrażaną na inteligentnym urządzeniu, który może wykryć wzrost zastoju płuc na podstawie subtelnych zmian w kaszlu, głosie, oddychaniu i dźwiękach w klatce piersiowej pacjenta. Zapewni to kluczowe informacje pacjentom z niewydolnością serca i ich zespołom klinicznym, umożliwiając prawidłowe wykrycie postępującego gromadzenia się płynu w płucach pacjenta, zanim u pacjenta rozwiną się istotne objawy. Wykrycie zatoru płucnego we wczesnej fazie umożliwi lekarzom skuteczniejsze ukierunkowanie terapii. Mamy nadzieję, że pomoże to zminimalizować i ostatecznie zapobiec konieczności powtarzających się hospitalizacji w nagłych przypadkach, ostrzegając pacjenta, aby skontaktował się ze swoim (społecznym) zespołem zajmującym się niewydolnością serca i umożliwi wcześniejsze leczenie ambulatoryjne przed koniecznością ponownej hospitalizacji w ostrej fazie.

W zależności od pomyślnego wyniku tych badań zostanie następnie podjęte prospektywne interwencyjne badanie kliniczne w celu przetestowania klinicznych i operacyjnych korzyści narzędzia AI wynikających z tych badań dotyczących leczenia niewydolności serca w ramach NHS, torując drogę do ostatecznego przyjęcia takich rozwiązań w rutynowej praktyce klinicznej.