Прогнозирование и лечение остановки сердца с использованием искусственного интеллекта

Внезапная остановка сердца (ВОС) остается основной причиной смертности в Соединенных Штатах. Несмотря на значительные усилия по улучшению результатов реанимации, выживаемость остается низкой. Более того, ВОС часто является первым проявлением основного заболевания сердца, после чего выжившие обычно страдают вторичными хроническими сердечно-сосудистыми и неврологическими заболеваниями из-за первичного повреждения. Реанимация при ВОС инициируется у пациентов, страдающих угрожающими жизни аритмиями, обычно желудочковой тахикардией/фибрилляцией (ЖТ/ФЖ) или электромеханической диссоциацией (ЭМД), и если она успешна, за ней следует восстановление спонтанного кровообращения (ВСК). Однако за этим часто следуют повторные остановки сердца из-за либо ЖТ/ФЖ, ЭМД, либо асистолии. Важно отметить, что механизмы ЖТ/ФЖ и ЭМД значительно различаются, а протоколизированные, ненаправленные методы лечения могут ухудшить исходы. В настоящее время лечение обычно начинается после повторной остановки сердца и без учета уникальных личных характеристик пациента или характеристик остановки, которые являются известными предикторами исходов остановки сердца. Недавние исследования показали, что более быстрый и целенаправленный ответ на лечение (т.е., более короткое время до лечения с учетом типа повторной остановки) при остановке сердца может значительно улучшить выживаемость и отдаленные хронические последствия после ВОС. Таким образом, способность прогнозировать возникновение остановки сердца или повторной остановки и ее причину (т.е. ЖТ/ФЖ и ЭМД) может направлять раннюю персонализированную терапию и в конечном итоге улучшать результаты реанимации, что является долгосрочной трансляционной целью данного исследования. Кроме того, раннее вмешательство может быть критически важным в сельских общинах, где время транспортировки до специализированной больничной помощи велико, а ресурсы ограничены.

В текущей работе исследователи недавно наблюдали у пациентов службы скорой медицинской помощи (ССМП), что добавление клинических параметров (например, возраст, тип первичной остановки) к признакам, полученным из Т-волны ЭКГ, в модели машинного обучения (МО) повышает точность прогнозирования ЖТ/ФЖ и ЭМД (>90%). Исследователи предлагают исследование осуществимости прогнозирования повторной остановки с помощью МО. Общая гипотеза заключается в том, что биомаркер ЭКГ в сочетании с клиническими признаками может прогнозировать повторную остановку и ее причину (ЖТ/ФЖ или ЭМД), что значительно улучшит время до лечения и острые и хронические исходы остановки сердца. Исследователи также предполагают, что такая технология может быть легко принята и успешно внедрена экстренными службами. Исследователи планируют два взаимосвязанных клинических испытания: одно — наблюдательное испытание при имитированной остановке сердца, а второе — наблюдательное испытание у пациентов ССМП. Следующие конкретные цели позволят проверить эти гипотезы.

Цель 1. Определить производительность и удовлетворенность конечных пользователей полностью автоматизированным устройством прогнозирования повторной остановки на основе МО с использованием сценариев имитированной остановки сердца. Будут изучены сотрудники экстренных служб в имитированных сценариях реанимации в реальном времени с использованием реальных записей ЭКГ при повторной остановке, чтобы выявить барьеры и факторы, способствующие внедрению и принятию технологии, а также удовлетворенность сотрудников и воспринимаемую ценность вмешательства. Это будет достигнуто путем определения показателей производительности сотрудников (например, инициирование терапии под руководством МО) и использования качественных инструментов для оценки вовлеченности, доверия и воспринимаемой полезности конечных пользователей. Эти исследования предоставят основополагающие данные для внедрения и масштабируемости технологии как для клинического испытания, так и для руководства будущего одобрения FDA и регулирующих органов.

Цель 2. Проверить точность многоклассовой модели МО для прогнозирования в реальном времени возникновения повторной остановки и ее типа (ЖТ/ФЖ против ЭМД) и влияние на время до лечения в наблюдательном клиническом испытании пациентов с остановкой сердца. Используя текущее сотрудничество с Кливлендом и местными службами ССМП, исследователи включат пациентов ССМП с остановкой сердца и будут наблюдать за возникновением повторной остановки в подтверждающем наблюдательном исследовании. Будет определена точность полностью автоматизированной модели МО для прогнозирования повторной остановки и ее типа, но руководство по лечению на данном этапе проверяться не будет. Сотрудники будут не осведомлены о выходных данных МО, и МО не будет направлять лечение. В автономном режиме точность прогнозирования и расчетное время до принятия решения о лечении под руководством МО будут сравниваться с фактическим типом повторной остановки и временем лечения. Эти результаты предоставят предварительные данные о безопасности и точности, оценки размера выборки, а также процессы набора и информированного согласия для будущего рандомизированного контролируемого клинического испытания по проверке лечения повторной остановки под руководством МО.