ИИ сможет предсказывать и даже предотвращать внезапную остановку сердца

Прогнозирование внезапной сердечной смерти и, возможно, даже устранение риска для человека с целью предотвращения смерти в будущем возможно с помощью искусственного интеллекта и может стать новым шагом на пути профилактики и глобальных стратегий здравоохранения, говорится в предварительных исследованиях.

Результаты исследований будут представлены на научном симпозиуме по реанимации 2023 года Американской ассоциации сердца. Эта встреча, проходящая 11-12 ноября в Филадельфии, является главным глобальным обменом последними достижениями в области лечения остановки сердечно-легочной деятельности и травматических повреждений, угрожающих жизни.

Внезапная сердечная смерть, являющаяся бременем общественного здравоохранения, составляет от 10% до 20% от общего числа смертей. Прогнозировать ее трудно, а обычные подходы не позволяют выявить людей с высоким риском, особенно на индивидуальном уровне, — говорит Ксавье Жувен, доктор медицинских наук, ведущий автор исследования, профессор кардиологии и эпидемиологии Парижского центра исследования сердечно-сосудистых заболеваний, Inserm U970 — Университет Парижа.

Мы предложили новый подход, не ограничивающийся обычными факторами сердечно-сосудистого риска, а охватывающий всю медицинскую информацию, имеющуюся в электронных медицинских картах.

Исследовательская группа проанализировала с помощью искусственного интеллекта медицинскую информацию из реестров и баз данных Парижа (Франция) и Сиэтла по 25 тыс. человек, умерших от внезапной остановки сердца, и 70 тыс. человек из общей популяции, причем данные обеих групп были сопоставлены по возрасту, полу и району проживания. Данные, включающие более 1 млн больничных диагнозов и 10 млн рецептов на лекарства, были собраны из медицинских карт за десять лет до смерти каждого человека.

Используя искусственный интеллект для анализа данных, исследователи построили около 25 000 уравнений с персонализированными факторами здоровья, которые позволили выявить людей с очень высоким риском внезапной сердечной смерти. Кроме того, они разработали индивидуальный профиль риска для каждого из участников исследования.

Персонализированные уравнения риска включали медицинские данные человека, такие как лечение повышенного артериального давления и история сердечно-сосудистых заболеваний, а также психические и поведенческие расстройства, включая злоупотребление алкоголем. В результате анализа были определены факторы, которые с наибольшей вероятностью снижают или повышают риск внезапной сердечной смерти в определенном процентном соотношении и в определенный период времени, например, 89%-ный риск внезапной сердечной смерти в течение трех месяцев.

С помощью анализа ИИ удалось выявить людей, у которых риск внезапной смерти превышал 90%, и они составляли более четверти всех случаев внезапной сердечной смерти.

Мы уже почти 30 лет работаем в области прогнозирования внезапной сердечной смерти, однако не ожидали, что нам удастся достичь столь высокого уровня точности. Мы также обнаружили, что персонализированные факторы риска очень сильно отличаются у разных участников и часто выдаются из разных областей медицины (смесь неврологических, психиатрических, метаболических и сердечно-сосудистых данных) — картина, трудноуловимая для медицинских глаз и мозга специалиста в одной области, — сказал Жувен, который также является основателем Парижского экспертного центра по внезапной смерти.

В то время как у врачей есть эффективные методы лечения, такие как коррекция факторов риска, специальные препараты и имплантируемые дефибрилляторы, использование искусственного интеллекта необходимо для того, чтобы выявить у конкретного человека последовательность медицинской информации, регистрируемой на протяжении многих лет, которая сформирует траекторию, связанную с повышенным риском внезапной сердечной смерти.

Мы надеемся, что, получив персонализированный список факторов риска, пациенты смогут совместно с лечащими врачами снизить эти факторы риска и в конечном итоге уменьшить вероятность внезапной сердечной смерти.

К ограничениям исследования можно отнести возможность использования моделей прогнозирования за пределами данного исследования. Кроме того, медицинские данные, собираемые в электронных медицинских картах, иногда включают не исходные данные, а прокси, а также собранные данные могут отличаться в разных странах, что требует адаптации моделей прогнозирования.

06.11.2023