Прогнозирование факта и степени поражения коронарных артерий при помощи обработки клинико-инструментальных данных искусственным интеллектом

Цель. Изучить возможность применения нейросетевого анализа для прогнозирования факта и степени поражения коронарного русла. В задачу исследования входило определить работоспособность и точность обученной модели нейронной сети на входных структурированных данных и ЭКГ-записей, с параметрами и расположением отведений отличных от обучающей выборки, а также сравнить эффективность выявления преходящей ишемии миокарда с классическими методами диагностики, такими как суточное мониторирование ЭКГ, тредмил-тест.

Материалы и методы. Сто тридцать пациентов, которым была выполнена коронарография в плановом или экстренном порядках и соответствующих критериям включения и исключения. Ключевые критерии включения: пациенты мужского или женского пола в возрасте более или равно 18 лет, выполненная коронарография, снятая электрокардиографическая лента за сутки и/или менее до выполненной коронарографии. Ключевые критерии исключения: нарушения ритма на ЭКГ в виде фибрилляции предсердий, АВ-узловой тахикардии, желудочковой тахикардии в момент записи, ранее проведенное стентирование и/или шунтирование коронарных артерий. Для прогнозирования поражения коронарного русла использовался метод нейросетевого анализа. Машинное обучение проводилось с включением клинических, лабораторных, инструментальных (ЭКГ изображение) признаков (суммарно 23 показателя). Для решения задач классификации использована нейронная сеть, принимающая на вход структурированные данные и изображение, и подающая на выходе мультифакторную характеристику магистральных коронарных артерий, необходимость выполнения реваскуляризации коронарных артерий. Соотношение в примерах обучение/тест составило 100/30. Использовался метод обучения с учителем на имеющихся данных, в которых были известны исходы, а параметры нейронной сети подстраивались так, чтобы минимизировать ошибку методом обратного распространения. Тестовая выборка сформирована на пациентах, которым была снята ЭКГ лента на аппаратах с параметрами и расположением отведений отличных от примеров в обучающей выборке. Оценка точности прогнозирования поражения магистральных коронарных артерий проведена на данных КТ-коронарографии, сравнение эффективности выявления преходящей ишемии миокарда выполнено на основе расчета прогноза необходимости выполнения реваскуляризации коронарных артерий методом нейросетевого анализа и результатами полученными при выполнении суточного мониторирования ЭКГ и тредмил-теста.

Результаты. На тестовой выборке, состоящей из 30 пациентов результат AUC score составил 0.87. Точность (accuracy) достигала 96%, «прецизионная» точность (precision) – 76%, полнота (recall) - 71%, f1 score – 74,1%. Проведена оценка точности выявления преходящей ишемии миокарда методом нейросетевого анализа: accuracy 93%, precision 60%, recall 100%, AUC score 96%, f1 score 75%, суточное мониторированием ЭКГ: accuracy 87%, precision 33%, recall 33%, AUC score 63%, f1 score 33%, тредмил-тест: accuracy 70%, precision 12%, recall 33%, AUC score 54%, f1 score 18%.

Заключение. Нейросетевой анализ подготовленных клинических, лабораторных и инструментальных данных позволяет настроить параметры сети для последующего прогнозирования поражения коронарных артерий. Полученные результаты в виде оценки AUC score позволяют говорить о работоспособности метода в диагностике патологии коронарного русла при использовании изображений снятой ЭКГ ленты, с параметрами и расположением отведений отличных от исходной обучающей выборки. Эффективность выявления преходящей ишемии миокарда на тестовой выборке выше у обученной нейронной сети по сравнению с классическими методами диагностики, такими как суточное мониторирование ЭКГ, тредмил-тест.

Источник: medicine-journal.spbu.ru

Комментарии: