Czy rutynowe, 10-sekundowe badanie EKG może uratować życie pacjentom po operacjach? Naukowcy z Johns Hopkins University udowadniają, że tak – pod warunkiem, że za jego analizę odpowiada zaawansowana sztuczna inteligencja. Nowy model AI opracowany przez badaczy przewiduje poważne powikłania pooperacyjne, takie jak zawał, udar czy zgon, znacznie trafniej niż stosowane obecnie skale ryzyka. Wyniki badania opublikowano na łamach „British Journal of Anaesthesia”.
Z tego artykułu dowiesz się…
- Jak nowy model AI przewiduje powikłania pooperacyjne skuteczniej niż lekarze
- Dlaczego EKG zawiera więcej informacji, niż się powszechnie sądzi
- Na czym polega działanie modelu fuzyjnego łączącego dane z EKG i dokumentacji medycznej
- Jak sztuczna inteligencja może wpłynąć na przyszłość oceny ryzyka chirurgicznego
AI odkrywa niewidoczne sygnały w EKG
Standardowe przedoperacyjne EKG to jedno z najpowszechniej wykonywanych badań diagnostycznych w chirurgii. Do tej pory traktowano je głównie jako narzędzie oceny zdrowia serca, jednak naukowcy z zespołu Roberta D. Stevensa zauważyli, że w sygnałach EKG kryje się znacznie więcej danych, niż można dostrzec gołym okiem.
Wykazaliśmy, że podstawowy elektrokardiogram zawiera ważne informacje prognostyczne, niewidoczne gołym okiem. Możemy je wydobyć tylko za pomocą technik uczenia maszynowego – wyjaśnia Stevens, kierownik Wydziału Informatyki, Integracji i Innowacji w Johns Hopkins Medicine.
Według badaczy, EKG nie tylko odzwierciedla stan serca, lecz także dostarcza informacji o stanie zapalnym, gospodarce hormonalnej, poziomach elektrolitów i ogólnej kondycji fizjologicznej pacjenta.
Ponad 37 tysięcy pacjentów w analizie
Zespół naukowców przeanalizował dane przedoperacyjne 37 000 pacjentów z Beth Israel Deaconess Medical Center w Bostonie. Na ich podstawie opracowano dwa modele sztucznej inteligencji:
- Model EKG – oparty wyłącznie na sygnałach z badania EKG,
- Model fuzyjny – łączący dane EKG z dodatkowymi informacjami z dokumentacji medycznej (wiek, płeć, choroby współistniejące).
Wyniki zaskoczyły nawet samych autorów.
Zaskakujące, że potrafimy wykorzystać tę rutynową diagnostykę, te 10-sekundowe dane, i naprawdę trafnie przewidzieć, czy ktoś umrze po operacji – mówi Carl Harris, główny autor badania i doktorant inżynierii biomedycznej.
Trafność predykcji powikłań wyższa niż u lekarzy
Oba modele AI przewyższyły skutecznością tradycyjne skale ryzyka, z których korzystają dziś chirurdzy i anestezjolodzy. Sam model EKG osiągnął wyższą trafność predykcji, ale to model fuzyjny okazał się najbardziej skuteczny – przewidywał ryzyko zawału, udaru mózgu lub śmierci pooperacyjnej z dokładnością 85%.
Dla porównania, obecnie stosowane skale trafnie identyfikują ryzyko tylko w około 60% przypadków.
Mamy naprawdę istotne odkrycie, które może usprawnić ocenę ryzyka chirurgicznego – podkreśla Harris.
Od predykcji do praktyki klinicznej
Oprócz samego modelu AI, zespół opracował także system wyjaśniania, które cechy sygnału EKG mogą być związane z określonym ryzykiem powikłań, np. zawałem serca lub udarem. To ważny krok w kierunku transparentności algorytmów i ich zrozumienia przez lekarzy.
Można sobie wyobrazić, że poddajesz się poważnej operacji. Zamiast po prostu wpisać EKG do dokumentacji medycznej, gdzie nikt go nie zobaczy, wykonuje się je w oparciu o specjalny model, ocenia ryzyko i można porozmawiać z lekarzem o ryzyku i korzyściach związanych z operacją – mówi Stevens.
To zupełnie nowy sposób myślenia o przedoperacyjnej kwalifikacji i komunikacji z pacjentem.
Kolejne kroki: więcej danych, testy prospektywne
Zespół planuje dalszy rozwój modelu – zarówno poprzez testy na szerszych zbiorach danych, jak i prospektywne badania kliniczne na pacjentach zakwalifikowanych do operacji. Naukowcy chcą także sprawdzić, jakie inne parametry fizjologiczne można wyodrębnić z EKG przy wsparciu sztucznej inteligencji.
Celem jest stworzenie narzędzia, które w przyszłości stanie się częścią standardowego procesu kwalifikacji do zabiegów chirurgicznych, niezależnie od rodzaju operacji i stanu pacjenta.
Główne wnioski
- Model AI analizujący EKG przewiduje z 85% skutecznością powikłania pooperacyjne, takie jak zawał, udar lub śmierć – lepiej niż obecne skale ryzyka.
- Badanie EKG, choć krótkie i rutynowe, zawiera ukryte sygnały o stanie całego organizmu – ich analiza możliwa jest dzięki uczeniu maszynowemu.
- Model fuzyjny łączący dane EKG z dokumentacją medyczną pozwala na personalizację oceny ryzyka przed operacją.
- AI może zmienić standardy kwalifikacji chirurgicznej, wspierając lekarzy w podejmowaniu decyzji i poprawiając bezpieczeństwo pacjentów.
Źródło:
- Johns Hopkins University
- British Journal of Anaesthesia
