Прогностическая модель долгосрочной функции сердца после легочной эмболии на основе динамического электрокардиального сигнала и циркулирующих биомаркеров

Легочная эмболия (ЛЭ) — крайне тяжелое и смертельное сердечно-сосудистое заболевание. Дисфункция правого желудочка (ДПЖ), вторичная по отношению к ТЭЛА, указывает на плохой прогноз и служит критической основой для стратификации риска. Недавние исследования показали, что более трети пациентов продолжают страдать от РПЖ через год после ТЭЛА, при этом механизмы и регрессия остаются неясными. Хотя электрокардиография (ЭКГ) является наиболее часто используемым методом диагностики заболеваний сердца, ее диагностическая специфичность при ЛЭ ограничена.

В последние годы искусственный интеллект (ИИ) успешно извлек из данных сотни особенностей, которые трудно распознать человеческому глазу. Корреляция между ежедневными показателями жизнедеятельности, контролируемыми носимыми устройствами, и функциональными признаками хронических сердечно-сосудистых заболеваний предполагает потенциал ИИ в обнаружении прогрессирования заболевания. Отсутствуют специфические маркеры функции правого желудочка после ТЭЛА, а значение и изменения этих маркеров в прогрессировании заболевания еще не изучены.

Целью данного исследования является разработка прогностической модели прогрессирования РПЖ после ТЭЛА с использованием искусственного интеллекта, сочетающего электромиографию, носимые устройства и маркеры жизнеспособности. В это проспективное когортное исследование были включены 500 пациентов с острой ТЭЛА со средним и высоким риском. Приблизительно 200 пациентов с РВД при выписке находились под наблюдением в течение одного года, при этом ежедневные электромиографические данные собирались с помощью портативных электромиографов. Биообразцы собирали в следующие моменты времени: при поступлении, выписке и последующем наблюдении через 3, 6 и 12 месяцев, а различные маркеры воспаления измеряли с помощью многофакторного анализа на кернах жидкой суспензии. Эти данные были интегрированы в модель непрерывной диагностики заболеваний, основанную на стратегии ограничительного обновления глубокого обучения.

В конечном итоге был разработан алгоритм непрерывной диагностики и прогнозирования заболевания, в результате которого появилась модель для прогнозирования прогрессирования РПЖ после ТЭЛА с использованием многофакторных анализов на жидкой суспензии для измерения различных маркеров воспаления.