STUDIU. Fibrilația atrială, detectată cu precizie printr-o metodă de screening fără contact, bazată pe analiza unor înregistrări video folosind inteligența artificială
Rezultatele unui nou studiu demonstrează eficiența unui sistem de detectare a fibrilației atriale care analizează înregistrărilor video cu fețele pacienților, cu ajutorul algoritmilor de învățare profundă (deep learning), o metodă care se bazează pe antrenarea de rețele neuronale artificiale. Acuratețea predictivă acestui sistem a fost de aproximativ 98%, studiul fiind publicat în Jama Cardiology.
Noua metodă a fost dezvoltată inițial în 2018, de specialiști din Hong Kong, iar anul acesta a venit rândul testării pe un grup restrâns de pacienți.
Metodele actuale de detectare a fibrilației atriale (FA) fără contact pot ecraniza doar câte un pacient simultan. Această nouă metodă are la bază detectarea FA prin analizarea semnalelor fotopletismogramei faciale (FPPG) (o măsurătoare volumetrică a feței obținută optic), înregistrate cu ajutorul unei camere digitale (care poate aparține unui telefon inteligent). În acest studiu de demonstrație conceptuală, fezabilitatea detectării FA a fost evaluată prospectiv, prin analizarea semnalelor FPPG de la mai mulți pacienți concomitent, utilizând o singură cameră digitală și o rețea neuronală convolutivă profundă (DCNN), antrenată anterior.
Detalii despre studiu
Au fost recrutați 20 de pacienți (vârsta medie 76 ani) cu FA permanentă și 24 de indivizi în ritm sinusal (SR), pentru grupul de control (vârsta medie 56,8 ani). O cameră digitală a fost utilizată pentru a filma câte 5 pacienți așezați unul lângă celălalt la o distanță de 150 cm. Au fost înregistrate 64 de videoclipuri (cu durata de 1 minut, la 24 FPS – frames per second), fiecare captând 5 pacienți simultan în 32 de permutări diferite ale ritmului cardiac, bazate pe o matrice binară (FA / RS) cu 5 participanți. Acțiunea a fost repetată încă o dată, de data aceasta folosind pacienți așezați la întâmplare, nu conform matricii. Pacienții au fost instruiți să țină capul staționar și să nu vorbească.
Semnalele FPPG de la pacienți au fost extrase automat din videoclipuri și analizate folosind Cardiio Deep Rhythm (Cardiio Inc.), un DCNN instruit anterior pentru detectarea FA utilizând semnale PPG. Pulsul neregulat în peste 50% dintre segmentele FPPG ale fiecărui pacient a fost considerat pozitiv pentru FA. Investigatorul care aplica DCNN nu cunoștea electrocardiograma (EKG) de referință a pacienților sau matricea binară utilizată pentru așezare.
În medie, fiecare pacient a apărut în 7 videoclipuri. Dintre cei 44 de pacienți, fiabilitatea test-retest de FPPG a fost de 95,4%, indiferent de poziția scaunului și de permutarea ritmului cardiac.
- Concordanța dintre FPPG și EKG a fost excelentă – 95,9%.
- Sensibilitatea generală a fost de 93,8%, specificitate, 98,1%; valoare predictivă pozitivă, 98,0%; și valoarea predictivă negativă, 94,0% în detecția diferenței dintre FA și RS.
- Ritmurile cardiace ale tuturor celor 5 pacienți au fost identificate corect în 79,7% dintre videoclipuri, în timp ce doar 1 pacient a fost clasificat greșit.
Cauzele posibile ale rezultatelor fals-pozitive, trei la număr, pot fi puse pe seama artefactelor provenite de mișcare și bătăi ectopice, în timp ce FA lent cu rate ventriculare mai mici de 60 bpm a fost principala cauză posibilă pentru rezultate fals-negative.
Conform autorilor, acesta este primul studiu care demonstrează detectarea FA cu o precizie ridicată de la mai mulți pacienți concomitent, utilizând o singură cameră. Descoperirile ridică posibilitatea ca această abordare cu un cost redus să fie utilă pentru screening-ul FA, având rezultate maxime. Această metodă elimină nevoia de a efectua screening-ul fiecărui pacient pe rând, fiind pus în fața medicului și necesită eforturi minime din partea pacienților, putând economisi timp și reduce munca pentru personalul clinic. Limitările metodei includ necesitatea ca pacienții să rămână nemișcați un minut și EKG de confirmare pentru cazurile suspectate de FA. În practică, valoarea predictivă pozitivă va fi inevitabil mai mică, deoarece prevalența FA în populația generală este mai mică decât în acest studiu.
De asemenea, specialiștii notează că este important să se utilizeze această tehnologie într-o manieră care să respecte confidențialitatea pacientului (de exemplu, având o zonă de screening bine delimitată, pentru care pacienții pot opta). Urmează efectuarea de studii suplimentare care să ateste eficacitatea metodei în practica clinică reală.
Citește și:
- STUDIU. Cinci tipuri noi de cancer mamar au fost identificate cu ajutorul inteligenței artificiale
- #ICNC2019: Alegerea tratamentului potrivit pentru pacienții cu insuficiență cardiacă utilizând un algoritm AI