La fibrillazione atriale è spesso asintomatica e quindi non-rilevata, ma è associata a ictus, insufficienza cardiaca e morte.
I metodi di screening esistenti richiedono un monitoraggio prolungato e sono limitati dai costi e dal basso rendimento.
È stato sviluppato un mezzo rapido, ed economico per identificare i pazienti con fibrillazione atriale usando l'intelligenza artificiale.
È stato sviluppato un elettrocardiografo ( ECG ) attivato dall'intelligenza artificiale, utilizzando una rete neurale convoluzionale per rilevare la firma elettrocardiografica della fibrillazione atriale presente durante il normale ritmo sinusale utilizzando ECG standard da 10 secondi a 12 derivazioni.
Sono stati inclusi tutti i pazienti di età pari o superiore a 18 anni con almeno un ritmo sinusale normale digitale, ECG standard da 10 secondi a 12 derivazioni acquisito in posizione supina presso il laboratorio ECG della Mayo Clinic tra il 1993 e il 2017.
Sono stati classificati i pazienti con almeno un elettrocardiogramma con un ritmo di fibrillazione atriale o flutter atriale positivi per la fibrillazione atriale.
È stata calcolata l'area sotto la curva ROC ( AUC ) per selezionare una soglia di probabilità applicata al set di dati.
Sono state valutate le prestazioni del modello sul set di dati calcolando l'AUC e l'accuratezza, la sensibilità, la specificità e il punteggio F1.
Sono stati inclusi 180.922 pazienti con 649.931 ECG con ritmo sinusale normale per l’analisi: 454.789 ECG registrati da 126.526 pazienti nel set di dati di training, 64.340 ECG da 18.116 pazienti nel set di dati di validazione interna e 130.802 ECG da 36.280 pazienti nel set di dati del test.
3.051 pazienti ( 8.4% ) nel set di dati del test avevano fibrillazione atriale verificata prima dell’ECG di ritmo sinusale normale testato dal modello.
Un singolo ECG con algoritmo di intelligenza artificiale ha identificato la fibrillazione atriale con una area AUC di 0.87, sensibilità del 79.0%, specificità del 79.5%, punteggio F1 del 39.2% e precisione complessiva del 79.4%.
L’inclusione di tutti gli ECG acquisiti durante il primo mese della finestra di interesse di ciascun paziente ( la data di inizio dello studio o 31 giorni prima del primo ECG di fibrillazione atriale registrato ) ha aumentato l'AUC a 0.90, la sensibilità all'82.3%, la specificità all'83.4%, il punteggio F1 al 45.4% e la precisione complessiva all'83.3%.
Un ECG con algoritmo di intelligenza artificiale durante il normale ritmo sinusale consente l'identificazione degli individui con fibrillazione atriale. ( Xagena2019 )
Attia ZI et al, Lancet 2019; 394: 861-867
Cardio2019
