Förmaksflimmer och maskininlärning: är tidig upptäckt ett steg närmare?

Framsteg inom hälso- och sjukvårdstekniken förändrar hur vi upptäcker, diagnostiserar och hanterar sjukdomstillstånd. Ett område där betydande framsteg gjorts är integreringen av maskininlärningsalgoritmer i vardagliga apparater, som blodtrycksmätare. Förmaksflimmer (AF), en vanlig och potentiellt farlig hjärtrytmrubbning, upptäcks ofta inte förrän komplikationer uppstår.¹²

En ny studie har dock undersökt om en algoritm, skapad genom maskininlärning, kan förbättra tidig upptäckt av förmaksflimmer när den är inbyggd i en blodtrycksmätare, vilket öppnar nya möjligheter för tillgänglig sjukvård.¹

Utmaningen med att upptäcka förmaksflimmer

Traditionell diagnos bygger delvis på att man jämför avvikelser med data från elektrokardiogram (EKG), ett kliniskt verktyg som inte alltid är tillgängligt för personer utanför sjukvården.²

Men i och med framstegen inom artificiell intelligens finns det potential att integrera maskininlärningsalgoritmer i blodtrycksmätare. Dessa enheter är välbekanta, används ofta och är icke-invasiva, vilket gör dem till en idealisk kandidat för mer lättillgänglig AF-detektering. Men kan enheter som den nya M7 Intelli IT AFib, X7 Smart AFib och M6 Comfort AFib leverera tillförlitliga resultat?

Studien: utvärdering av noggrannheten vid detektering av förmaksflimmer

I den här studien testade forskarna detekteringsnoggrannheten hos en ny algoritm som utvecklats genom maskininlärning och integrerats i en kommersiellt tillgänglig blodtrycksmätare. Målet var att avgöra om detta system kunde upptäcka förmaksflimmer på ett korrekt sätt i verkliga kliniska scenarier.¹

Den kliniska studien omfattade 559 försökspersoner: 267 med bekräftad AF och 292 utan. Alla deltagare utrustades med 12-avlednings-EKG och data registrerades för jämförelse. Blodtrycksmätarna (BPM) inkluderade 2 med AI-algoritmen och 2 utan algoritmen. Syftet var att jämföra data mellan de två olika typerna av BPM, inklusive sensitivitet, specificitet och noggrannhet för att upptäcka AFib. Alla 12-avlednings-EKG tolkades av en legitimerad kardiolog, som var blindad för BPM-resultaten.¹

Fördelarna med algoritmaktiverade BPM:er

Algoritmen skapades med hjälp av maskininlärning och integrerades sedan i blodtrycksmätaren. Den fungerar genom att analysera små variationer i pulsfrekvensen, vilket kan tyda på förekomst av förmaksflimmer. Det som skiljer de algoritmaktiverade BPM:erna åt är deras noggrannhet när det gäller att upptäcka AF utan extern datorkraft eller ytterligare komponenter.¹

Dessutom har algoritmen utvecklats genom att kontinuerligt förfina sin förståelse av oregelbundna pulsmönster, vilket gör att algoritmen blir allt bättre på att skilja mellan normal hjärtrytm och de ofta subtila oregelbundenheterna vid förmaksflimmer. Resultatet är ett detekteringsverktyg som fungerar med beslutsträd, vilket möjliggör ett mycket personligt tillvägagångssätt för att navigera i beslutsträd och andra diagnostiska verktyg.¹

Viktiga resultat: algoritmens prestanda

Resultaten var uppmuntrande. Den 2 nya maskininlärningsalgoritmen BPMs visade en en noggrannhet på 97% och en känslighet på 95% vid detektering av AF. Specifika egenskaper - förmågan att korrekt utesluta förmaksflimmer hos patienter utan detta tillstånd - var 98%. Detta är övertygande siffror för en icke-invasiv apparat för hemmabruk.¹

Dessutom, när det gäller paroxysmalt förmaksflimmeren fördel med BPM för hemmabruk är att de kan användas närhelst det behövs, oavsett om det finns symtom eller inte. På så sätt skapas en mer fullständig bild av diagnostiska data. Även intermittenta fall av förmaksflimmer kan alltså potentiellt identifieras med tillräcklig användning.¹

Konsekvenser för patienterna i den verkliga världen

Tidig upptäckt av förmaksflimmer leder förmodligen till tidigt ingripandeoch det är avgörande för att förhindra komplikationer som stroke eller hjärtsvikt. Resultaten i den här studien tyder på att om man utrustar människor med en enkel, smart enhet kan det ge livräddande insikter långt innan allvarliga symtom uppträder. Även för personer med intermittent förmaksflimmer kan upprepad användning av enheten fånga upp oegentligheter som annars skulle gå obemärkta förbi.¹

Men hur blir det med framtiden?

Med opportunistisk screening för patienter med högt blodtryck, patienter med obstruktiv sömnapné och patienter över 65 år som rekommenderas av ESC:s riktlinjer. Möjligheten att öka noggrannheten vid diagnos av patienter med arytmier som förmaksflimmer är lovande.³

Dessutom är de potentiella fördelarna betydande. Om maskininlärningsalgoritmer som är inbäddade i BPM kan fortsätta att bli mer exakta kan de fungera som en bro mellan klinisk diagnostik och vardaglig övervakning, vilket ger en hybridstrategi för hälso- och sjukvården. Detta skulle inte bara minska belastningen på hälso- och sjukvårdssystemen utan också ge enskilda personer möjlighet att ta kontroll över sin hälsa på ett sätt som tidigare inte varit möjligt.

En ny era inom förebyggande hälsovård..

I slutändan kan maskininlärning kanske inte ersätta traditionella diagnosverktyg, men dess förmåga att förbättra vardagliga apparater som blodtrycksmätare kan avsevärt förändra hur vi ser på förebyggande hälsovård. För närvarande är bevisen tydliga: att integrera smarta algoritmer i välbekanta enheter är ett steg framåt när det gäller att belysa tidigare odiagnostiserade hjärtsjukdomar.

I takt med att tekniken fortsätter att utvecklas blir potentialen att upptäcka tillstånd som förmaksflimmer tidigt mer påtaglig, vilket minskar klyftan mellan upptäckt och behandling. Och det för oss tillbaka till den kärnfråga som ställdes i början: kan en algoritm, skapad genom maskininlärning, i blodtrycksmätare hjälpa till att upptäcka förmaksflimmer?

Svaret, baserat på resultaten av denna studie, är ett rungande Ja - åtminstone till viss del. Med ytterligare förfining kan denna teknik snart bli en viktig del i arbetet med att stödja hjärthälsan för miljontals människor runt om i världen.

Om du eller dina patienter skulle vilja prova den här tekniken själva kan ni ta en titt på M7 Intelli IT AFib, X7 Smart AFib och M6 Comfort AFib för att få reda på mer.