Künstliche Intelligenz könnte wählen Herzinsuffizienz-Patienten für die teure Behandlung

Die künstliche Intelligenz (KI) hat gezeigt, Versprechen zu wählen Herzinsuffizienz-Patienten für teure Behandlungen um zu verhindern, dass tödliche Herzrhythmusstörungen, Berichte eine Studie stellte sich heute bei ICNC 2019. Die Studie ist die erste Verwendung eines machine-learning-Algorithmus, um vorherzusagen, den plötzlichen Herztod bei Herzinsuffizienz-Patienten.

Die International Conference on Nuclear Cardiology and Cardiac CT (ICNC) ist co-organisiert von der American Society of Nuclear Cardiology (ASNC), die European Association of Cardiovascular Imaging (EACVI) der europäischen Gesellschaft von Kardiologie (ESC) und der European Association of Nuclear Medicine (EANM).

Etwa 1-2% der Erwachsenen in den entwickelten Ländern haben die Herzinsuffizienz ein klinisches Syndrom charakterisiert durch Atemnot, Knöchel Schwellungen und Müdigkeit. Ein hoher Anteil der Todesfälle bei diesen Patienten, insbesondere diejenigen mit milderen Symptomen, die plötzlich auftreten, aufgrund von ventrikulären Arrhythmien. Implantierbare Kardioverter-Defibrillatoren (ICD) oder kardialer Resynchronisationstherapie mit Schrittmacher-und defibrillator (CRT-D) empfohlen, für einige Patienten zu korrigieren potenziell tödliche Arrhythmien und reduzieren das Risiko des plötzlichen Todes. Doch diese Behandlungen sind teuer und funktionieren nicht bei allen Patienten.

Autor der Studie Professor Kenichi Nakajima, von der Kanazawa University Hospital, Japan, sagte: „Unser Modell berechnet die Wahrscheinlichkeit eines plötzlichen Arrhythmie-Ereignis mit einer Fläche unter der Kurve (AUC) von 0.74, wo 1.0 ist die perfekte Vorhersage und 0,5 ist ein zufälliges Ergebnis. Dies könnte verwendet werden, zu identifizieren, die sehr mit geringem Risiko Patienten, bei denen ein ICD oder CRT-D ist nicht erforderlich, und sehr hohes Risiko-Patienten, die erhalten, sollte ein Gerät. Optimierung der Risiko-Bewertung auf diese Weise wird die Verbesserung der Wirtschaftlichkeit der Behandlung.“

Die Studie umfasste 529 bei Patienten mit Herzinsuffizienz mit den bekannten zwei-Jahres-Ergebnisse für die plötzlichen Arrhythmie-Ereignisse (einschließlich Arrhythmie-Tod, plötzlicher Herz-Tod, und die entsprechenden Stoßdämpfer aus einem ICD) und Tod durch Herzversagen.

Machine learning—eine Art von AI verwendet, die von der Google-Suchmaschine und Gesichtserkennung auf smartphones—verwendet wurde, um zu entdecken, wie acht Variablen verwendet, um vorherzusagen, die Prognose der Herzinsuffizienz-Patienten verbunden waren und eine Formel erstellen, die Korrelation auf zwei-Jahres-Ergebnisse.

Die acht Faktoren wurden Alter, Geschlecht, Herzinsuffizienz Schweregrad (New York Heart Association functional class), Herz-Pumpfunktion (linksventrikuläre Ejektionsfraktion), ob die Herzinsuffizienz verursacht wurde, durch eingeschränkte Blutversorgung (Ischämie), B-Typ-natriuretische-Peptid-Spiegel im Blut, die Nierenfunktion (geschätzte glomeruläre Filtrationsrate) und nuclear imaging-parameter.

Während der zwei-Jahres-follow-up gab es 141 Veranstaltungen (27%), bestehend aus 37 plötzlichen Arrhythmie-Ereignissen (7%) und 104 Todesfälle aufgrund von Herzinsuffizienz (20%). Die AUC für die Vorhersage aller Ereignisse war, 0.87, während für Arrhythmie-Ereignisse und Herzinsuffizienz Tod wurde es von 0,74 und 0,91, beziehungsweise.

Professor Nakajima sagte: „Dies ist eine vorläufige Studie, und wir können zur Verbesserung der Vorhersage der Arrhythmie-Ereignisse durch hinzufügen von Variablen und Weiterbildung train the machine-learning-Algorithmus.“

Die imaging-parameter wurde heart-to-mediastinum-ratio (HMR) 123Iodine-metaiodobenzylguanidine (MIBG) – Aufnahme. MIBG ist ein Radioisotop-Analogon von Noradrenalin und dient zur Beurteilung der Aktivität des kardialen sympathischen Nerven. Frühere Studien haben gezeigt, dass die HMR prognostiziert Herztod bei Patienten mit Herzinsuffizienz. Die Maßnahme wird erreicht durch Einspritzen von MIBG in eine Vene, dann über die Bildgebung zu beurteilen, die Aufnahme in die Herz-und oberen Mediastinums (Zentrum der Brusthöhle).