인공 지능으로 심전도 분석하여 부정맥, 사망 위험 예측

출처

https://www.dicardiology.com/content/artificial-intelligence-examining-ecgs-predicts-irregular-heartbeat-death-risk

파파고 이용, 번역 그대로 옮김

인공 지능 심전도 검사 비정형 심장박동, 사망 위험 예측

 

 

 

AHA(American Heart Association)에서 제시된 두 가지 연구는 현재 건강 문제를 감지하기 보다는 인공 지능을 사용하여 심전도(ECG)로부터 미래의 사건을 예측하는 것이다.

 

2019년 11월 22일 - 미국심장학회(American Heart Association's Scientific)에서 제시된 두 가지 예비 연구에 따르면, 인공지능은 일반적인 의료 테스트인 심전도(ECG) 검사 결과를 검사하여 향후 1년 이내에 잠재적으로 위험한 불규칙한 심장(arhythmphymia)이 발생하거나 사망할 위험이 높은 환자를 정확히 찾아낼 수 있다. ific Sessions 2019 - 11월 16-18일 필라델피아에서.

 

연구자들은 펜실베니아/뉴저지주의 가이징거 건강시스템에 30년 이상 보관된 의료기록에서 얻은 2백만 개 이상의 ECG 결과를 심층 신경망인 진보된 다층 컴퓨터 구조물을 훈련시키기 위해 사용했다. 이 두 연구 모두 현재 건강상의 문제를 발견하기보다는 인공 지능을 이용해 심전도체로부터 미래의 일을 예측한 최초의 연구자 중 하나라고 과학자들은 지적했다.

 

D.D.의 수석 저자인 브랜든 포른왈트는 "이것은 흥미롭고 컴퓨터가 의사와 함께 환자 치료를 개선하기 위해 일하게 될 의학계의 혁명을 눈앞에 두고 있다는 더 많은 증거를 제공한다"고 말했다.Lle, Penn.

 

12 유도 심전도 추적에서 직접 사고 심방세동을 예측하기 위한 심층 신경 네트워크(Post Presentation MDP106)

 

연구원들은 심층 학습 모델이 심방세동(AF)으로 알려진 불규칙한 심장 박동을 그것이 발달하기 전에 예측할 수 있을 것이라고 추측했다. 심방세동은 뇌졸중과 심장마비의 더 높은 위험과 관련이 있다. 237,000명 이상의 환자에서 AF의 존재를 나타내지 않은 110만 개의 심전도(ECG)에 초점을 맞춘 연구자들은 고도로 전문화된 컴퓨터 하드웨어를 사용하여 심층 신경망을 훈련시켜 각 심전도당 30,000개의 데이터 포인트를 분석하였다.

 

연구진은 신경망이 예측한 고위험군 환자의 상위 1% 내에서 3명 중 1명이 1년 이내에 AF 판정을 받은 사실을 밝혀냈다. 또한 모델 예측은 1년에 AF가 발생할 것으로 예측되는 환자들이 다른 환자들보다 25년 동안 AF를 개발할 때 위험률이 45% 더 높았기 때문에 장기적 예측의 중요성을 보여주었다.

 

현재 Geisinger의 영상과학혁신부 수석교수인 크리스토퍼 해거티는 "현재, 어떤 환자가 다음 해 안에 AF를 발병할지를 확인하는 방법은 제한되어 있는데, 그 때문에 AF의 첫 번째 징후는 뇌졸중"이라고 말했다. "우리는 이 모델이 뇌졸중을 예방하기 위해 치료될 수 있도록 매우 일찍 심방세동 환자를 식별하는 데 사용되기를 바란다."

 

정밀 심혈관 의학 연구소의 미국심장협회장인 제니퍼 홀 박사는 "심혈관 의학 분야에서 우리가 환자를 돕고 뇌졸중 위험을 이해하는 데 도움을 줄 수 있는 또 다른 방법으로는 매우 중요하다"고 말했다.

 

홀은 "불규칙한 심장박동이나 심방세동이 있을 위험이 있는 사람을 이해할 수 있게 되면 누가 뇌졸중을 일으킬 위험이 있는지, 그리고 이 사람들을 치료하고 심방세동과 어쩌면 심장마비를 예방할 수 있게 된다"고 말했다. "이러한 기법을 우리 손끝에 두고 지금이나 미래에 잠재적 심방세동을 발견하기 위한 보다 정확한 기법을 갖는 것은 절대적으로 놀라운 일이다."

 

심층신경망은 임상적으로 정상으로 해석되는 경우에도 심전도 신호로부터 직접 1년 사망률을 예측할 수 있다(구강 프레젠테이션 119)

 

Geisinger 연구진은 1년 이내에 어떤 원인으로든 사망할 가능성이 가장 높은 환자를 식별하기 위해 약 40만 명의 환자로부터 받은 177만 명의 심전도 및 기타 기록의 결과를 분석했다. 연구팀은 이 데이터를 사용하여 원시 심전도 신호를 직접 분석하거나 집계된 인간 유도 측정(일반적으로 심장병 전문의에 의해 기록되는 표준 심전도 기능)과 흔히 진단되는 질병 패턴을 의존하는 기계 학습 기반 모델을 비교했다.

 

심전도 신호를 직접 분석한 신경망 모델은 1년 사망 위험을 예측하는 데 탁월한 것으로 나타났다. 놀랍게도, 신경망은 의사가 정상적인 심전도를 가진 것으로 간주하는 환자에서도 사망의 위험을 정확하게 예측할 수 있었다. 3명의 심장전문의가 처음에 정상으로 읽었던 심전도 검사들을 별도로 검토했고, 그들은 일반적으로 신경망이 감지한 위험 패턴을 인식하지 못했다고 연구원들은 말했다. "이것은 이 연구에서 가장 중요한 발견입니다,"라고 Geisinger's Cardiac Imaging Technology Lab을 Haggerty와 공동으로 지휘하는 Fornwalt는 말했다. "이것은 미래에 우리가 ECG를 해석하는 방식을 완전히 바꿀 수 있다."

 

광대한 가이징거 데이터베이스는 두 연구의 핵심 강점이지만, 그 발견은 가이징거 외부의 현장에서 테스트되어야 한다고 연구원들은 지적했다. "이러한 모델을 일상적인 심전도 분석에 통합하는 것은 간단할 것이다. 하지만, 컴퓨터 예측에 근거한 환자들에 대한 적절한 치료 계획을 개발하는 것이 더 큰 난제가 될 것입니다," 라고 수석 저자 Sushravya Raghunath가 말했다. 연구원들은 이제 이 예측이 건강 결과를 향상시키는데 사용될 수 있는지 여부를 시험하고 있다.

 

2019년 AHA 심야 재판 연계