La aplicación Apple Watch, que utiliza inteligencia artificial, identifica la disfunción del ventrículo izquierdo

La aplicación de inteligencia artificial al Apple Watch ECG puede identificar de manera confiable y segura disfunción ventricular izquierda En un entorno no clínico, los investigadores informan en un estudio de prueba de concepto.

El deterioro de la IC y el VI afecta aproximadamente al 9% de los adultos de 60 años o más, y existen tratamientos efectivos para reducir la mortalidad y el riesgo de hospitalización si se diagnostica en una etapa temprana. Zaki Attia, Ph.D.MSEEY El diagnóstico de tales afecciones requiere un electrocardiograma, una resonancia magnética o una tomografía computarizada, que pueden ser costosos y llevar mucho tiempo, dijo el codirector de inteligencia artificial en cardiología de Mayo Clinic, durante una presentación en Heart Rhythm 2022. Attia dijo, agregando un modelo de IA emparejado con eso. Un dispositivo portátil inteligente puede ser una herramienta útil para permitir la detección temprana del deterioro del BT.

“Hace dos años, construimos un modelo de red neuronal utilizando 12 líneas de ECG para detectar lo que diría el eco”, dijo Attia durante una conferencia de prensa. «Hicimos esto al mostrarle a la red neuronal alrededor de 50,000 electrocardiogramas de pacientes que tenían un eco, y la red pudo aprender patrones precisos que predicen una fracción de eyaculación baja».

Attia dijo que la tecnología de IA inicialmente pudo detectar una FE baja con un área bajo la curva de 0,93 y una sensibilidad y especificidad del 86 %.

“Nos preguntamos, ¿podemos usar algo como reloj de manzana ¿Para hacer esto escalable? «No estábamos seguros de poder reclutar pacientes de forma remota y si aún estarían involucrados. La segunda pregunta fue, ¿funcionará esto con un ECG de Apple Watch?»

Evaluación de datos de reloj inteligente

Para el estudio ECG Watch de Mayo, Attia y sus colegas analizaron datos de 2454 pacientes de 46 estados de EE. UU. y 11 países que fueron reclutados por correo electrónico, tenían una aplicación de Mayo Clinic y un Apple Watch. La edad promedio de los participantes fue de 53 años y el 56% eran mujeres. Los pacientes descargaron una aplicación de estudio que envió todos los ECG pregrabados para revisión médica; Los ECG obtenidos de los relojes en el plazo de 1 mes desde el ECG clínicamente requerido fueron analizados por IA para detectar la presencia de FE reducida, utilizando un modelo adaptado para el uso de una sola derivación.

Los participantes descargaron 125.610 EKG en menos de 5 meses, y el 92 % de los pacientes usaron la aplicación más de una vez (mediana, 7,8 usos por usuario). Los investigadores evaluaron el área bajo la curva característica operativa del receptor (AUC), la sensibilidad y la especificidad de la IA para FE del 40 % o menos.

“A pesar de que no tenían incentivos reales, a los pacientes no se les pagaba, seguían cargando sus electrocardiogramas”, dijo Attia. «La mayoría de ellos se han subido unas ocho veces, o una vez cada dos semanas».

Dentro del grupo, 421 pacientes tenían al menos una frecuencia cardíaca normal en ritmo sinusal (mediana, 17 ECG) dentro de los 30 días anteriores o posteriores al ECG del Apple Watch. Entre los participantes, el 3,8 % tenía una FE del 40 % o menos, con 13 de 16 pacientes identificados por un reloj de ECG AI. El AUC fue de 0,875, la sensibilidad del 81,2 % y la especificidad del 81,3 %.

“Esto es similar a lo que puede obtener de un ECG de 12 derivaciones realizado clínicamente”, dijo Attia.

«Mientras [participants] Se cargaron varios electrocardiogramas y aún pudimos tomar un electrocardiograma, que es lo más cercano al eco y aun así obtener un AUC de 0,88. Descubrimos que esta ha sido una forma útil de evaluar a pacientes de diversas poblaciones y continuamos aplicando estas herramientas cuando el paciente está en casa».

Attia dijo que adaptar el monitoreo de ECG con un reloj inteligente habilitado para IA para usar fuera de la clínica podría hacer que tales exámenes sean escalables para que los sistemas hospitalarios atiendan mejor a los pacientes, especialmente en comunidades remotas.

“Un modelo de IA de bajo impacto podría ser para todos”, dijo Attia. «Esta es una excelente manera de continuar monitoreando a los pacientes que tienen un mayor riesgo: pacientes con diabetes y pacientes con presión arterial alta».

quedan preguntas

Sana Mohammed Al Khatib

READ  Todos los juegos de Call of Duty Zombies en orden de lanzamiento

En la discusión después del espectáculo, Sana Mohammed Al-Khatib, MD, MHS, FHRS, Profesor de Medicina de la Facultad de Medicina de la Universidad de Duke y el Instituto de Investigación Clínica de Duke, señaló que la sensibilidad y la especificidad del algoritmo de baja FE eran buenas y los datos mostraban un desarrollo exitoso de la infraestructura para reclutar pacientes de forma remota, transmitir datos de forma segura y mantener compromiso del paciente. Sin embargo, solo el 3,8% de los pacientes de Mayo encuestados en la encuesta de empleo inicial estaban interesados ​​en participar; El número de participantes con datos analizables fue aún menor.

«Para mí, esto plantea dudas sobre la generalización de sus hallazgos», dijo Khatib. Será importante ver estos resultados validados y replicados por otros grupos. Si bien esta tecnología es innovadora y prometedora, no está lista para su aplicación en la práctica clínica. No puedo esperar a ver los próximos pasos».

Agregar un asunto a las alertas de correo electrónico

Recibir un correo electrónico cuando se publiquen nuevos artículos en

Proporcione su dirección de correo electrónico para recibir un correo electrónico cuando se publiquen nuevos artículos en .

«acción-datos =» suscribirse «> suscribirse

No pudimos procesar su solicitud. Por favor, inténtelo de nuevo más tarde. Si este problema persiste, comuníquese con [email protected].

Volver a Healio

Asociación del ritmo cardíaco