Фибрилляция предсердий – нарушение ритма сердца, ассоциирующееся с увеличением частоты инсульта, хронической сердечной недостаточности и смерти. Достаточно часто пароксизмальная форма ФП остается вовремя не диагностированной, что увеличивает риск развития осложнений этой аритмии. Оптимальных подходов к скринингу ФП не разработано. Существующие диагностические алгоритмы включают в себя периодическую регистрацию ЭКГ покоя, а также различные способы относительно длительного мониторирования ЭКГ с использованием различных носимых или имплантируемых устройств. Разработка простого, эффективного, недорогого и неинвазивного метода выявления пароксизмальной формы ФП – крайне актуальная задача.
В журнале Lancet опубликованы результаты работы, выполненной с применением принципиально нового методологического подхода. Диагностический алгоритм создавался искусственным интеллектом на основании машинного обучения. Нейронная сеть анализировала большую выборку ЭКГ на синусовом ритме, зарегистрированных у пациентов с наличием пароксизмальной ФП (диагноз подтверждался по наличию других ЭКГ с признаками ФП, либо по наличию соответствующего диагноза у данного пациента). Затем она самостоятельно создавал алгоритм, позволяющий предсказать наличие пароксизмальной ФП при анализе ЭКГ на синусовом ритме. Всего анализировались электрокардиограммы 180921 пациентов. Для обучения нейронной сети использовалось 70% ЭКГ, для внутренней валидации – 10%, для тестирования – 20%.
Предсказательная ценность созданного алгоритма оказалась достаточно высокой: чувствительность составила 79,0%, специфичность 79,5%, площадь под AUC – кривой – 0,87 (95% ДИ 0,86–0,88).
Таким образом, создан простой инструмент, позволяющий с высокой степенью достоверности выявлять пациентов с пароксизмальной ФП по простой ЭКГ покоя на синусовом ритме. Подобные алгоритмы могут существенно упростить скрининг ФП, в том числе – у пациентов с криптогенным инсультом.
По материалам:
Attia ZI, Noseworthy PA, Lopez-Jimenez F, et al. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction [published online August 1, 2019]. The Lancet. doi: 10.1016/S0140-6736(19)31721-0.
Текст: к.м.н. Шахматова О.О.