利用AI預(yù)測(cè)或可改善心衰再入院率(上)
導(dǎo)讀
深度學(xué)習(xí)通過(guò)自動(dòng)從各類醫(yī)學(xué)影像、電子健康檔案數(shù)據(jù)中提取重要特征并分析,實(shí)現(xiàn)對(duì)心力衰竭的診斷、預(yù)后及再入院預(yù)測(cè)。
心力衰竭(HF)的主要潛在致病原因,包括冠狀動(dòng)脈疾病、心臟瓣膜病、高血壓、心肌病,以及其他疾。▓D1),盡管與治療這些病因相關(guān)的臨床管理、外科手術(shù)和醫(yī)療設(shè)備都取得了進(jìn)展,但HF的治療仍然面臨重大挑戰(zhàn)。需要應(yīng)用新技術(shù)、新方法來(lái)優(yōu)化這種慢性病的管理,改善臨床決策和預(yù)后,并最終減少相關(guān)醫(yī)療支出。
在此背景下,一篇近期發(fā)表于 Digital Medicine in Heart Failure 的綜述論文為大家詳細(xì)介紹了深度學(xué)習(xí)(Deep Learning,DL)技術(shù)在HF診療中的應(yīng)用現(xiàn)狀,文章通過(guò)聚焦診斷、預(yù)后和再住院風(fēng)險(xiǎn)預(yù)測(cè),探索DL在該領(lǐng)域應(yīng)用的成熟度。
01
DL可自動(dòng)提取特征用于HF診斷、預(yù)后和再入院預(yù)測(cè)
HF是一種以結(jié)構(gòu)性或功能性心臟功能障礙為特征,伴有左心室射血分?jǐn)?shù)降低或保留的慢性進(jìn)行性綜合征。呼吸困難、疲勞和運(yùn)動(dòng)耐受性差等癥狀極大影響患者生活質(zhì)量,也導(dǎo)致頻繁住院和預(yù)期壽命縮短。
HF被公認(rèn)為是一種異質(zhì)性多因素綜合征,因此改進(jìn)患者的評(píng)估和管理需要整合從不同來(lái)源獲得的數(shù)據(jù),如實(shí)驗(yàn)室、超聲圖和形態(tài)學(xué)信息,并處理各種癥狀和合并癥(心血管和非心血管)的復(fù)雜相互作用。
隨著越來(lái)越多生物醫(yī)學(xué)數(shù)據(jù)可用,以及醫(yī)療健康行業(yè)大數(shù)據(jù)解決方案的進(jìn)步,存儲(chǔ)和管理大量數(shù)據(jù)成為可能,這些技術(shù)的出現(xiàn)也為開(kāi)發(fā)新的疾病風(fēng)險(xiǎn)評(píng)估工具和預(yù)測(cè)模型排除了障礙。作為人工智能(AI)的分支之一——機(jī)器學(xué)習(xí)(Machine Learning,ML)的子領(lǐng)域(圖2),DL試圖反映人腦處理數(shù)據(jù)的方式(特別是其學(xué)習(xí)能力)。
傳統(tǒng)的ML方法需要通過(guò)人機(jī)交互來(lái)確定可用數(shù)據(jù)中的哪些特征對(duì)于分類/預(yù)測(cè)問(wèn)題的解決至關(guān)重要;而DL的目的是自行學(xué)習(xí)如何從數(shù)據(jù)中提取知識(shí)。換句話說(shuō),DL能自動(dòng)從數(shù)據(jù)中提取對(duì)解決給定任務(wù)非常重要的特征。近年來(lái),DL已經(jīng)在疾病早期診斷、縮短住院日、為改進(jìn)疾病治療提供新機(jī)會(huì)等方面顯示出潛力,其中就包括HF的診斷、預(yù)后和再入院預(yù)測(cè)。
02
通過(guò)分析ECG、MRI、UCG、EHR數(shù)據(jù)DL可支持早期診斷
HF的早期診斷可以降低患者的死亡率和發(fā)病率。因此,人們投入了大量精力來(lái)開(kāi)發(fā)算法,以支持臨床醫(yī)生早期診斷HF。HF診斷可以通過(guò)分析心電圖(ECG)、磁共振(MRI)和超聲心動(dòng)圖(UCG)等醫(yī)學(xué)影像,包括電子健康檔案(EHR)來(lái)實(shí)現(xiàn)。
對(duì)ECG的分析這一主題可以找到該領(lǐng)域最豐富的文獻(xiàn)。Kwon等人提出了一種基于人工神經(jīng)網(wǎng)絡(luò)(ANN)的ML算法用于HF識(shí)別,受試者工作特征曲線下面積(AUC)達(dá)到0.89。在??nar等人的研究中,一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的更高級(jí)的算法被用于從ECG頻譜圖中自動(dòng)提取特征給出診斷,準(zhǔn)確度達(dá)0.97。Acharya等人提出了一種完全基于DL的流程,它利用CNN從ECG信號(hào)中自動(dòng)提取相關(guān)特征來(lái)對(duì)HF進(jìn)行早期診斷,準(zhǔn)確度可達(dá)0.99。
通過(guò)分析EHR進(jìn)行診斷也受到關(guān)注。Choi等人發(fā)表的關(guān)于使用循環(huán)網(wǎng)絡(luò)早期檢測(cè)HF發(fā)作(AUC為0.88)的里程碑式的論文,在此基礎(chǔ)上,幾篇遵循類似范例的論文也發(fā)表了。例如,使用長(zhǎng)短期記憶(LSTM)處理包含醫(yī)學(xué)信息的帶時(shí)間標(biāo)記的EHR,AUC為0.89;使用LSTM對(duì)大量特征(如人口統(tǒng)計(jì)學(xué)、程序性、醫(yī)學(xué))進(jìn)行分類,AUC為0.82;Ma等人提出了一種更先進(jìn)的方法,使用CNN和注意力機(jī)制(attention mechanism)進(jìn)行診斷,準(zhǔn)確度為0.91。
基于預(yù)測(cè)HF發(fā)病的目標(biāo),ML和DL在圖像處理領(lǐng)域的應(yīng)用也被提出。有幾項(xiàng)研究特別關(guān)注MRI成像:提出了一種用于自動(dòng)分割左心室的DL算法,作為評(píng)估HF患者心功能的一個(gè)先決條件,其中Dice相似系數(shù)達(dá)到0.97。采用基于K-近鄰法的ML方法對(duì)心肌圖進(jìn)行紋理分析,識(shí)別HF的早期癥狀,AUC為0.85。
除了MRI,其他研究集中在UCG成像:Tabassian等人使用K-近鄰法分析UCG變形曲線的時(shí)空模式,準(zhǔn)確度為0.89;Cikes等人則使用K-均值聚類算法(K-means clustering algorithm)評(píng)估UCG模式,以確定患者的病理組。Seah等人進(jìn)行了一項(xiàng)嘗試,即利用DL從胸部X光片中預(yù)測(cè)HF標(biāo)志物,盡管獲得了樂(lè)觀的結(jié)果(AUC = 0.82),但仍需要更多研究來(lái)了解DL在處理胸片以進(jìn)行HF診斷方面的潛力。
03
DL預(yù)測(cè)HF預(yù)后為個(gè)性化照護(hù)提供依據(jù)
一些研究也已經(jīng)使用DL來(lái)預(yù)測(cè)HF患者的不同結(jié)局。具體而言,研究指標(biāo)包括死亡率、住院率、再入院率、風(fēng)險(xiǎn)預(yù)測(cè)、機(jī)械循環(huán)支持需求、心臟移植和治療效果。利用DL技術(shù)預(yù)測(cè)HF預(yù)后一般基于通過(guò)EHR獲得的數(shù)據(jù),包括住院前和住院期間的人口統(tǒng)計(jì)信息、治療和藥物、實(shí)驗(yàn)室結(jié)果、ECG和UCG。
Wang等人應(yīng)用ANN研究了10203例住院患者的EHR,并在三個(gè)觀察窗口(即住院、1個(gè)月和1年死亡率)早期檢測(cè)患者的心衰死亡。最終,ANN預(yù)測(cè)死亡率的AUC分別為0.904(住院)、0.891(1個(gè)月觀察)和0.887(1年觀察)。
Kwon等人通過(guò)整合臨床和實(shí)驗(yàn)室數(shù)據(jù),在急性HF患者的多中心隊(duì)列中使用基于DL的模型來(lái)預(yù)測(cè)死亡率。對(duì)4759例患者的驗(yàn)證結(jié)果顯示,預(yù)測(cè)住院、12個(gè)月、36個(gè)月死亡率的AUC分別為0.880、0.782和0.813?傮w而言,DL優(yōu)于傳統(tǒng)的GWTG-HF評(píng)分和慢性心力衰竭的全球薈萃分析小組(MAGGIC)評(píng)分以及其他ML模型。由于GWTG-HF和MAGGIC不能用于初始治療或篩查,Kwon等人應(yīng)用DL僅根據(jù)UCG數(shù)據(jù)來(lái)預(yù)測(cè)25776名患者的住院死亡率。在HF的亞組分析中,DL的AUC(0.913)高于MAGGIC(0.806)和GWTG-HF(0.783)評(píng)分。
Medved等人比較了基于DL的國(guó)際心臟移植生存算法(IHTSA)與心臟移植后死亡率預(yù)測(cè)指數(shù)(IMPACT)對(duì)心臟移植后1年生存的預(yù)測(cè)。在27705例患者(5597例在測(cè)試隊(duì)列)中,DL的AUC為0.654,與IMPACT模型的AUC(0.608)相比,表現(xiàn)有所改善。研究者對(duì)93260名HF患者進(jìn)行了分析,以確定可預(yù)防的結(jié)果,如住院和急診。與ML和邏輯回歸(LR)模型相比,DL模型的AUC最高,分別為0.778和0.681。盡管是適度、有限的,但這些結(jié)果仍為DL技術(shù)在臨床實(shí)踐中的應(yīng)用帶來(lái)了希望。
此外,DL很有希望通過(guò)無(wú)監(jiān)督學(xué)習(xí)來(lái)識(shí)別具有射血分?jǐn)?shù)保留的心衰(HFpEF)的不同患者亞組,從而提供更量身定制的臨床護(hù)理。HFpEF的病理發(fā)展被歸因于心臟和心外功能障礙的復(fù)雜相互作用,導(dǎo)致該人群患者的顯著表型異質(zhì)性。這種多樣性強(qiáng)調(diào),觀察到的功能障礙背后并沒(méi)有一個(gè)單一的病理過(guò)程,從而影響目標(biāo)管理計(jì)劃。
近年來(lái),不同的研究通過(guò)整合多個(gè)患者數(shù)據(jù)對(duì)HFpEF患者進(jìn)行的聚類研究取得了進(jìn)展。Pandey等人通過(guò)分析1242個(gè)HFpEF病例預(yù)測(cè)高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)表型群體,并在5個(gè)外部隊(duì)列中得以驗(yàn)證。與2016年美國(guó)超聲心動(dòng)圖學(xué)會(huì)(ASE)指南為基礎(chǔ)的左心室分級(jí)相比,DL方法預(yù)測(cè)左心室壓升高的AUC更高(0.883 vs.0.676)。盡管HFpEF仍然是一種需要管理的具有挑戰(zhàn)性的臨床狀況,但與當(dāng)前的臨床模式相比,使用UCG和EHR數(shù)據(jù)對(duì)基于模型學(xué)習(xí)的患者進(jìn)行聚類,可能會(huì)為HFpEF患者提供更好的預(yù)后益處,改善HF患者的個(gè)性化護(hù)理途徑。
本文未完,接下來(lái)的內(nèi)容請(qǐng)看下一篇:《利用AI預(yù)測(cè)或可改善心衰再入院率(下)》
參考材料:
Marco Penso, Sarah Solbiati, Sara Moccia & Enrico G. Caiani, et al. Decision Support Systems in HF based on Deep Learning Technologies [J]. Digital Medicine in Heart Failure, 2022, (2).
【責(zé)任編輯:蘇夏】
——本公眾號(hào)所有圖文,未經(jīng)許可,嚴(yán)禁轉(zhuǎn)載!
如需轉(zhuǎn)載,請(qǐng)?zhí)崆芭c編輯聯(lián)系取得轉(zhuǎn)載許可。否則視為侵權(quán)!
原文標(biāo)題 : 利用AI預(yù)測(cè)或可改善心衰再入院率(上)
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
圖片新聞
-
金百澤科技亮相中國(guó)國(guó)際醫(yī)療器械博覽會(huì) | 盡顯醫(yī)療領(lǐng)域硬實(shí)力
-
進(jìn)階的新冠疫苗 又一個(gè)中國(guó)造
-
“AI醫(yī)療第一股”鷹瞳科技上市首日即破發(fā)
-
圓心科技登陸港股,“賣藥的生意”還好不好做?
-
十圖解讀2021年中國(guó)康復(fù)醫(yī)療行業(yè)現(xiàn)狀
-
醫(yī)藥流通數(shù)字化運(yùn)營(yíng)實(shí)現(xiàn)精細(xì)化飼養(yǎng)
-
科學(xué)家發(fā)現(xiàn)人體新器官:將有助于癌癥治療
-
李飛飛入選美國(guó)國(guó)家醫(yī)學(xué)院
最新活動(dòng)更多
-
11月19日立即報(bào)名>> 【線下論壇】華邦電子與恩智浦聯(lián)合技術(shù)論壇
-
11月29日立即預(yù)約>> 【上海線下】設(shè)計(jì),易如反掌—Creo 11發(fā)布巡展
-
即日-12.26火熱報(bào)名中>> OFweek2024中國(guó)智造CIO在線峰會(huì)
-
精彩回顧立即查看>> 2024(第五屆)全球數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)大會(huì)暨展覽會(huì)
-
精彩回顧立即查看>> 全數(shù)會(huì)2024中國(guó)人形機(jī)器人技術(shù)創(chuàng)新發(fā)展大會(huì)
-
精彩回顧立即查看>> OFweek 2024中國(guó)激光產(chǎn)業(yè)高質(zhì)量發(fā)展峰會(huì)
-
10 BD新浪潮
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市