Искусственный интеллект выявляет отторжение сердца без биопсии

Специалисты из NYU Langone Health представили данные о том, что алгоритмы искусственного интеллекта способны с высокой точностью фиксировать начало иммунной атаки на пересаженное сердце. Метод основан на анализе записей сердечного ритма и результатов лабораторных исследований крови, что позволяет избежать инвазивных процедур в ряде случаев.

Проблема текущих диагностических стандартов

На сегодняшний день золотым стандартом диагностики отторжения остается биопсия — хирургическое удаление фрагмента сердечной мышцы для микроскопического исследования. Эксперты изучают ткани на наличие воспалений и иных изменений, свидетельствующих об атаке иммунитета на донорский орган.

Исследователи под руководством специалистов NYU Langone Health проверили альтернативный подход: комбинацию электрокардиограмм (ЭКГ), фиксирующих электрическую активность сердца через датчики на коже, с данными анализов крови. Целью было определение возможности выявления отторжения без необходимости проведения биопсии во многих клинических ситуациях.

Эффективность комбинированной модели ИИ

Команда обучила нейросети распознавать паттерны в 5300 показаниях ЭКГ, полученных от 2357 взрослых реципиентов трансплантированного сердца. Одна модель использовала только данные ЭКГ, тогда как другая интегрировала кардиограммы с результатами двух стандартных анализов крови, применяемых для прогнозирования риска отторжения. Точность предсказаний оценивалась путем сопоставления с записями биопсий тех же пациентов.

В тестовой группе из 38 мужчин и женщин с трансплантированным сердцем комбинированная модель продемонстрировала лучшие результаты, верно идентифицировав 94 процента пациентов, у которых отсутствовало отторжение. Для сравнения, модель, основанная исключительно на анализах крови, ошибочно классифицировала 19 пациентов как нуждающихся в биопсии. По словам авторов работы, использование гибридного алгоритма позволило бы этим больным избежать процедуры.

Преимущества интеграции данных и перспективы

Старший автор исследования Лиор Янкельсон, доктор медицины и философии, доцент кафедры кардиологии имени Леона Чарни в Медицинской школе NYU Grossman и доцент кафедры биомедицинской инженерии в Инженерной школе NYU Tandon, отметил, что полученные результаты подчеркивают богатство физиологической информации, содержащейся в ЭКГ. Это позволяет существенно повысить точность детекции и обеспечить более раннюю диагностику и лечение пациентов с отторжением кардиального трансплантата.

Ранее было установлено, что биомаркеры крови, измеряющие генную активность, связанную с клеточным отторжением, и фрагменты ДНК донора в кровотоке реципиента, эффективны для обнаружения проблем. Однако исследователи указывают на частые ложноположительные результаты таких тестов, ведущие к ненужным биопсиям.

Работа, опубликованная в журнале Journal of Heart and Lung Transplantation 25 сентября, стала первым исследованием, объединившим эти биомаркеры с показаниями ЭКГ в единой модели на базе ИИ и сравнившим анализ напрямую с результатами биопсии. Обучение комбинированной модели проводилось на данных пациентов, получавших лечение в период с 2018 по 2024 год. Каждой ЭКГ соответствовала биопсия, выполненная в течение предыдущего месяца — временное окно, обоснованное более ранними научными работами.

Случаи отторжения органов были разделены на две категории: отсутствие или легкая степень отторжения против умеренной или тяжелой степени. Изменения в терапии, такие как корректировка иммуносупрессивных препаратов, обычно назначаются только при более серьезных случаях. Доктор Янкельсон добавил, что трансплантация сердца является ресурсоемкой операцией, а отторжение часто встречается, но поддается лечению при своевременном выявлении. Комбинация доступности ЭКГ и поддержки со стороны искусственного интеллекта может помочь обнаружить отторжение раньше и спасти больше жизней.

Финансирование исследования осуществлялось NYU Langone. В работе также участвовали Кевин Чен, Роберт Ронан, Ларри А. Чинитц и Рэндал Голдберг. Следующим шагом исследователи планируют протестировать модель на большем числе пациентов в нескольких центрах трансплантологии.