Uczenie maszynowe w ilościowej echokardiografii obciążeniowej (MLQSE)

Nowo pojawiający się ból w klatce piersiowej jest częstą dolegliwością i może być wskaźnikiem poważnej choroby układu krążenia oraz ryzyka zawału mięśnia sercowego i zgonu; dlatego uzyskanie dokładnej diagnozy ma kluczowe znaczenie dla prowadzenia leczenia pacjenta. Warto zauważyć, że tylko 40-50% pacjentów po arteriografii inwazyjnej poddawanych jest następnie rewaskularyzacji. Podkreśla to niedokładność wstępnych testów stosowanych przed arteriografią.

W przeszłości elektrokardiograficzny test wysiłkowy podczas wysiłku był używany do wykrywania indukowanego niedokrwienia mięśnia sercowego, ale jego czułość i swoistość diagnostyczna są niskie (około 65%). Dokładność diagnostyczną można poprawić, włączając echokardiografię lub tomografię emisyjną pojedynczego fotonu. Aktualne wytyczne NICE zalecają, aby pacjenci z bólem w klatce piersiowej o niedawnym początku byli badani za pomocą koronarografii TK jako pierwszego rzutu, a jeśli to ujawni istotne zwężenie, należy wykonać funkcjonalne badanie obrazowe.

W badaniu Myocardial Doppler in Stress Echocardiography (MYDISE) oceniano wartość diagnostyczną ilościowej echokardiografii obciążeniowej podczas wlewu dobutaminy, krótko działającej syntetycznej aminy katecholowej, która działa na receptory β-1 adrenergiczne, zwiększając częstość akcji serca i kurczliwość mięśnia sercowego. Pomiar prędkości skurczowej funkcji długiej LV w szczytowym obciążeniu charakteryzował się dobrą powtarzalnością (współczynniki zmienności w segmentach podstawnych 9-14% w spoczynku i 11-18% w szczytowym obciążeniu) oraz podobną czułością i specyficznością (około 70%) do opublikowanych badania, w których eksperci-obserwatorzy zgłaszali wyniki ruchu ścian. Jednak po uwzględnieniu niezależnych efektów wieku, płci i tętna dokładność diagnostyczna znacznie wzrosła, a statystyki C (obszar pod krzywymi odbiorca-operator) sięgały 90%.

Wizualna analiza echokardiografii wysiłkowej w celu wykrycia niedokrwienia mięśnia sercowego zależy od jakościowej oceny wielu parametrów. Główne badania ilościowej echokardiografii wysiłkowej ograniczono do zidentyfikowania pojedynczej najlepszej zmiennej echokardiograficznej, a jako kryterium referencyjne wykorzystano zwężenie średnicy. U pacjentów z czynnikami ryzyka sercowo-naczyniowego, wpływającymi na deformację mięśnia sercowego (szybkość i szybkość odkształcania) oraz prędkości, wykazano postępujące, subkliniczne zmniejszenie regionalnej (w osi długiej) funkcji mięśnia sercowego. Niedokrwienie zmienia czas zdarzeń podczas cyklu pracy serca - na przykład wydłużając fazy przed i po wyrzutze. Czynniki te potwierdzają kliniczną potrzebę obiektywnego pomiaru regionalnej funkcji mięśnia sercowego w całym cyklu pracy serca.

Obecnie możliwe jest tworzenie algorytmów opartych nie tylko na pojedynczym punkcie czasowym (np. prędkości szczytowej), ale na analizie całego śladu prędkości. Koncepcję tę można również rozszerzyć o krzywe odkształcenia i szybkości odkształcenia. Badacze z Universitat Pompeu Fabra w Barcelonie opracowali to podejście do stworzenia atlasu statystycznego serca w celu wykrycia dyssynchronii. Podobną koncepcję zastosowano przy użyciu uczenia wielu jąder u pacjentów z dusznością, którzy przeszli test wysiłkowy w celu zidentyfikowania pacjentów z objawami rozkurczowej niewydolności serca. Umożliwiło to porównanie i rozróżnienie śladów prędkości pobranych z całego cyklu pracy serca między grupą kontrolną osobników (z dusznością i bez) oraz z rozpoznaną niewydolnością serca z zachowaną frakcją wyrzutową (HFpEF); główne zaobserwowane różnice dotyczą funkcji wczesnego rozkurczu. Ta aplikacja nie była wcześniej używana do badania indukowanego niedokrwienia mięśnia sercowego w echokardiografii wysiłkowej, ale można spodziewać się podobnych wyników, ponieważ zmiany podczas rozkurczu należą do najwcześniejszych i najbardziej czułych wskaźników niedokrwienia mięśnia sercowego. Osoby z Uniwersytetu w Leuven (prof. Jan D'hooge) opracowały ostatnio nadzorowane metody uczenia maszynowego, które umożliwiają automatyczną klasyfikację segmentów mięśnia sercowego na podstawie ich lokalnego zachowania mechanicznego (tj. prędkość/odkształcenie/szybkość odkształcenia) po przejściu przez fazę treningu; proponowane podejście do uczenia maszynowego przewyższa eksperckie odczyty ruchu ścian, a także ekspercką interpretację śladów odkształceń segmentowych (częstości) w klasyfikacji segmentów niedokrwiennych.