Låg ejektionsfraktion i enkelavlednings-EKG

Hjärtsvikt med reducerad vänsterkammarejektionsfraktion (EF) är en relativt vanlig hjärtpatologi med stora kliniska implikationer. Personer med nedsatt vänsterkammar-EF löper ökad risk för plötslig död, kammar- och förmaksarytmier och akut hemodynamisk dekompensation på grund av hjärtsvikt. Det finns bevisade medicinska ingrepp som förhindrar plötslig hjärtdöd och komplikationer hos personer med nedsatt vänsterkammar-EF. Tyvärr är vissa personer med minskad vänsterkammar-EF asymtomatiska eller har ospecifika symtom som dyspné och skulle inte få dessa ingrepp i tid. För närvarande finns det inga effektiva sätt att screena för asymtomatisk minskad vänsterkammar-EF i befolkningen, eftersom detektion av låg EF kräver användning av ekokardiografi. Det finns ett stort behov av att identifiera nya teknologier som kan hjälpa till att upptäcka personer med nedsatt vänsterkammar-EF på ett enkelt, effektivt och tillförlitligt sätt.

Eko Devices har en molnbaserad plattform av point-of-care hjärtscreeningsenheter och maskininlärningsalgoritmer som möjliggör effektivare upptäckt och hantering av hjärt-kärlsjukdomar. I denna studie kommer vi att använda Eko DUO-enheten för att samla in enkelavlednings-EKG-data.

Eko DUO är ett FDA-godkänt och CE-märkt elektroniskt stetoskop som tillåter ljudinspelning av hjärtljud för att producera ett fonokardiogram (PCG) samt spela in ett elektrokardiogram med en avledning (EKG). DUO har 60x ljudförstärkning, omgivande brusreducering, en samplingsfrekvens på 4000 Hz och 4 ljudfilter. EKG-komponenten består av 2 elektroder i rostfritt stål, 0,01Hz högpassfilter, valbart 50/60Hz nätfilter och en samplingsfrekvens på 500Hz. De avidentifierade auskultatoriska DUO-inspelningarna överför trådlöst via Bluetooth till den säkra, HIPAA-kompatibla Eko-applikationen på en smartphone eller surfplatta, som låter användaren spela upp hjärtljudsinspelningar, kommentera anteckningar på inspelat ljud och spara inspelningar. Dessa data synkroniseras i realtid till en säker, HIPAA-kompatibel, molnbaserad Amazon Web Services (AWS) databasserver som hanteras av Eko Devices.

Det har tidigare visats att artificiell intelligens bearbetning av information från ett 12-avlednings-EKG kan hjälpa till att identifiera personer med nedsatt vänsterkammar EF1. Med hjälp av parade 12-avlednings-EKG- och ekokardiogramdata, inklusive den vänstra ventrikulära ejektionsfraktionen, från 44 959 patienter vid Mayo Clinic, tränades en konvolutionell neural för att identifiera patienter med låg ejektionsfraktion. När den testades på en oberoende uppsättning av 52 870 patienter visade modellen en Area Under the Curve ("AUC") på 0,93 och en noggrannhet på 86%. Vi har också utvecklat en enkelavledningsversion av samma algoritm, som blir mer lättillgänglig i en klinisk miljö eftersom den kan användas med en enkelavlednings-EKG-enhet som Eko DUO-enheten. Vi föreslår att validera prestandan för denna nya modell med hjälp av den aktuella studien.