Umělá inteligence již odhaluje fibrilaci síní

V úvodu svého kongresového digitálního sdělení se řečník (i s odkazem na data autorů Jones NR et al., Eur Heart J 2020;41:1075–85) věnoval potřebě a nutnosti intenzifikovat pátrání po fibrilaci síní (FS) u pacientů, ale také problémům, které ještě stále tuto činnost provázejí: „Fibrilaci síní je aktuálně možné považovat za skutečnou pandemii a mnoho jejích epizod ještě i nyní zůstává nedetekováno a nedostatečně léčeno. Pacienty pak tato patologie – mnohdy asymptomatická – vystavuje nepříznivým a nebezpečným situacím, hrozí jim mnohé rizikové faktory, kromě jiných i cévní mozková příhoda, srdeční selhání, demence, invalidita a samozřejmě smrt.“ Dle jeho slov v nedávné minulosti přeci jen došlo v této věci k pozitivnímu posunu, i díky využívání technologických novinek a lepší antikoagulační a antiarytmické terapii (a léčbě obezity, spánkové apnoe, jakož i screeningu mnoha kardiovaskulárních onemocnění).

A nestačí inteligence obyčejná?

„Pro úspěšný screening fibrilace síní je potřebné správně identifikovat vhodnou cílovou populaci a také pro něj určit správný design. A v neposlední řadě zajistit přesnou detekci a diagnostiku přítomných arytmií. Jen to může v praxi vést ke správnému managementu léčby tohoto onemocnění,“ říká z obrazovky A. Cohen, avšak sám uznává, že screening i stanovování rizika jsou často spojeny s komplikovanými a časově náročnými aktivitami. Což také do jisté míry vysvětluje poměrně nízkou adherenci zodpovědných odborníků k těmto postupům. K jejímu zlepšení by mohlo posloužit využívání nových digitálních pomůcek samotnými pacienty – k dispozici jsou programy pro mobilní telefony, chytré hodinky se snímáním srdečního tepu, hrudní pásy s elektrokardiografem (EKG), nositelná elektronika (detekční vesty), náplasti s detektory, implantabilní záznamníky a podobně. „I přesto však ve zdravotnických zařízeních NHS – čtyř veřejně financovaných zdravotních systémů národní zdravotní služby ve Velké Británii – odhadují, že fibrilace síní zůstává nediagnostikována u 300 000 osob,“ uvádí A. Cohen. Může pro ně něco udělat medicína? Nebo umělá inteligence?

PULsE-AI

Studie PULsE-AI ve svém názvu skrývá záměr řešení – predikci nediagnostikované FS s využitím algoritmu strojového myšlení. „Využívání umělé inteligence v medicínském prostředí je příslibem lepších výsledků léčby, z nichž budou benefitovat pacienti i odborné týmy, pozitivního dopadu na zdraví celé populace a také snižování nákladů na vyšetřování,“ vizionářsky pronáší A. Cohen a dodává, že tyto metody budou samozřejmě muset pracovat bez chyb a odchylek. A rozhodně by neměly prohlubovat současné nedostatky v této oblasti. Uvádí také, že matematické modely pro hodnocení rizika FS jsou již nyní k dispozici (z Framinghamské studie nebo projektů CHARGE-AF či ARIC), nicméně v praxi se příliš široce nevyužívají – jsou to klasické statistické postupy, které mají predikovat incidenci FS na základě minulých výskytů. „Pohybujeme se však v dynamickém prostředí, a také rizikové faktory a kovariáty příznaků se u pacientů neustále plasticky mění,“ konstatuje A. Cohen, nicméně má příznivou zprávu: „A právě pro zhodnocování nelineárních jevů a postihování složitých interakcí mezi nimi jsou systémy založené na strojovém myšlení optimální.“ Což dokazuje již testovací výsledek, který poskytla neuronová síť po zpracování záznamů britských všeobecných lékařů o diastolickém a systolickém krevním tlaku jejich pacientů, díky jejichž analýze umožnila u rizikových osob predikovat FS již 3 měsíce před stanovením diagnózy (Hill NR et al., PLoS One 2019).

A co nám tedy ta umělá inteligence umí zjistit?

V rámci studie PULsE-AI byly testovány dva modely stanovování rizika FS – v rámci jednoho byly klasickým způsobem sledovány a zaznamenávány parametry pacientů a následně bylo sledováno, zda se u daného subjektu později objevila FS (přičemž u takto nemocných byly záznamy vyhodnoceny) a v druhém modelu byly parametry osob s diagnózou FS (a bez ní) strojově analyzovány separátně a poté byly technologií hledány v zaznamenaných proměnných souvislosti. Tento „klasický“ a „dynamický“ model byly poté pro finální predikci FS sloučeny do jednoho a dvojitou neuronovou sítí reanalyzovány, co se týká síly faktorů vedoucích k FS. Pro věkovou skupinu ≥ 30 let vykazovala tato metoda analýzy parametrů pro detekci FS citlivost 75 % (tedy tři ze čtyř osob s FS byly zachyceny) a specificitu 99,1 % (a počet subjektů absolvujících screening k zachycení 1 případu – NNS – činil 9 osob). Metoda byla poté validována a randomizovaně hodnocena (s experimentální i kontrolní skupinou o 12 027 osobách) – na kongresu ESC 2021 byla prozatím publikována prospektivní validace a proof of concept. V experimentální skupině metoda zachytila cca 900 osob s parametry překračujícími míru rizikovosti pro FS, z nichž 30 % podstoupilo další analýzu EKG, popřípadě holterovské sledování srdeční akce. Výsledky budou zveřejněny – zájemce o další informace odkazuje autor sdělení na publikaci týmu Hill NR et al., Contemp Clin Trials 2020 (DOI: 10.1016/j.cct.2020.106191).

Redakčně zpracováno ze sdělení, která během virtuálního kongresu Evropské kardiologické společnosti (ESC) 2021 přednesl:
Alexander Cohen, MD, MBBS, MSc, FRACP, FESC
Guy’s and St Thomas’ NHS Foundation Trust, Londýn, Velká Británie