Yapay Zeka ve Giyilebilir Cihazlar Kalp Durmasını Önceden Tahmin Edebilir

Yapay zeka, kalp durması riskini yıllar önden tespit etmede yardımcı olabilir; giyilebilir cihaz verileri, kalp durmasından saatler önden uyarı işaretlerini yakalayabilir

Yapay zeka ve tüketici giyilebilir cihazları, kalp durması gerçekleşmeden yıllar önden ya da olaya giden saatlerde, ani kalp durması riski altında olan kişilerin tespit edilmesine yardımcı olabilir mi?

Milli Sağlık Enstitüleri (NIH) ve Amerikan Kalp Derneği (AHA) tarafından 5 milyon dolardan fazla yeni finansman desteği alan Cedars-Sinai Sağlık Bilimleri Üniversitesi araştırmacıları Sumeet Chugh, MD ve Kyndaron Reinier, PhD, MPH, ani kalp durması gerçekleşmeden kısa bir süre önce uyarı işaretlerini yakalamayı ve uzun vadeli risk tahminini iyileştirmeyi hedefleyen iki onyılıktır süren ortak araştırmalarına dayanarak çalışmalarını sürdürüyor.

“Yapay zeka araçları ve giyilebilir cihaz verilerinin entegrasyonunun kalp durmasının önlenmesine ve bu ölümcül durumun sonuçlarının iyileştirilmesine katkı sağlayacağını umutlu ama temkinli bir şekilde bekliyoruz,” dedi Cedars-Sinai’de Kalp Durmasını Önleme Merkezi ile Tıpta Yapay Zeka Araştırma Merkezi’ni yöneten Chugh.

Hastan dışında meydana gelen ani kalp durması, ABD’de her gün yaklaşık 1.000 kişiyi etkiliyor. Tıpkı bir kalp krizi gibi, tıkalı bir damarın yol açtığı bir dolaşım sorunu değil; kalp durması, kalbin aniden düzensiz bir ritim geliştirip kan pompalamayı durdurduğu bir elektriksel arızadır. Acil kalp masajı ve defibrilasyon uygulanmazsa, ölüm dakikalar içinde gerçekleşir.

“Çünkü vakaların çoğu uyarı vermeden meydana gelir ve kalp durması vakaların yaklaşık %90’ında ölümcül olur, riskin tespiti ve önlenmesini iyileştirmek kritik önem taşıyor,” dedi Kalp Durmasını Önleme Merkezi’nde Epidemiyoloji Direktörü Yardımcısı Reinier.

Eylül Ayı’nda Ani Kalp Durması Farkındalık Ayı’nı işaret etmek için, Cedars-Sinai Newsroom Chugh ve Reinier ile kalp durması tahmini ve önlenmesindeki son gelişmeler hakkında görüştü.

Ani kalp durması bu kadar tahmin edilmesi zor neden?

Reinier: Hastaların yarısından fazlasında kalp durması, altında yatan kalp hastalığının ilk belirtisiidir. Tarihsel olarak hekimler, kalbin pompalama işlevini ölçen sol ventrikül efraksiyon oranı ya da LVEF’ye dayanarak riski değerlendirirdi. Ancak LVEF, azalmış kalp işlevi için uygulanan tedavilerin gelişmesiyle birlikte öngörücü özelliğini yitirdi. Ayrıca kalp durması yaşayan birçok hastada LVEF baştan sona ciddi düzeyde düşmemiştir. Bu nedenle daha iyi risk öngörücüleri büyük önem taşır.

Chugh: Kişisel ambulans ekibi gibi davranan, tehlikeli bir kalp ritmini algıladığında birkaç saniye içinde şok uygulayan implantable (cilde altına yerleştirilen) defibrilatörler, bir zamanlar zayıf kalp işlevi olan hastaları korumada etkilidi. Geçmişte LVEF temelli 100 defibrilatör yerleştirerek yılda 10 ile 15 arasında hayat kurtarılabiliyordu. Bugün bu sayı üç ile beş arasına düşmüş durumda. LVEF artık yeterli sayıda yüksek riskli hastayı yakalayamıyor.

Erken dönem araştırmalar, öngörü ve önleme konusunda ne ortaya koydu?

Chugh: Oregon ve California’da iki on yıldan fazla süredir sürdürülen topluluk temelli araştırmalar, kalp durmasını yaklaşık 2 milyon kişi üzerinde inceleme imkanı sağladı. Yerli ambulans ekipleri, polis, itfaiyeciler ve hekim-soldismanın desteğiyle gerçekleşen neredeyse her kalp durmasını tespit ettik. Ambulans ekiplerinin topladığı verileri, kişilerinin elektronik sağlık kayıtlarıyla birleştirerek benzersiz bir öğrenen sağlık sistemi geliştirdik. Bu kaynak, Dr. Reinier’in ve Kalp Durmasını Önleme Merkezi ekibinin, o topluluklarda risk altındaki kişileri LVEF’den daha başarılı biçimde belirleyen VFRisk adlı bir ventriküler fibrilasyon risk skoru geliştirmesine yardımcı oldu.

Ambulans ekipleri aynı zamanda kan örnekleri topladı; bu örnekler kalp durması hastalarına özgü genetik ve protein örüntülerini ortaya çıkardı.

Reinier: VFRisk, 13 değişken kullanıyor; bunlar arasında elektrokardiogram [EKG] ölçümleri, ekokardiyogramlardan alınan kalp yapısı görüntülemesi ve kardiyovasküler risk faktörleri ile diğer tıbbi durumlar gibi klinik geçmiş yer alıyor. Ayrıca göğüs ağrısı, nefes darlığı ve çarpıntı gibi uyarı belirtilerini kan proteinleriyle birlikte değerlendirdik. Dinamik riskin (bir kişinin kalp sağlığının zamanla nasıl değiştiği) ve statik riskin (belirli bir andaki tek bir görüntü) birleştirilmesinin daha net ve daha erken uyarı verebileceğini kanıtladık.

Yeni araştırmalarınız bu bulguların üzerine nasıl inşa ediliyor?

Chugh: Yeni grantlar, yeni araçları gerçek dünya sağlık sisteminde test etmemizi sağlıyor. Ulusal Sağlık Enstitüleri [NIH] tarafından finanse edilen çalışmamızda, O.S.C.A.R. [Kardiyak Ani Durma Riski Gözlem Çalışması] kohortundan, yaklaşık 400.000 Los Angeles County sakini—Cedars-Sinai’da tedavi görmüş—kimliği gizlenmiş elektronik sağlık kayıtlarını kullanarak VFRisk’in olayları zaman içinde ne kadar iyi öngördüğünü ve dinamik risk işaretlerinin eklenmesinin risk öngörüsünü iyileştirip iyileştirmediğini değerlendiriyoruz.

Yapay zeka nasıl yardımcı olabilir?

Chugh: Geleneksel araçlar sayıları ve metni iyi analiz edebilir, ancak dijital EKG sinyallerini, hareketli ekokardiyogram görüntülerini, biyolojik numuneleri ve sağlık kayıtlarını birleştirmek çok daha zor. Yapay zeka, farklı kaynaklardan gelen karmaşık bilgiyi birleştirebilir ve yalnızca birkaç bireysel işaretin incelenmesiyle tespit edilmesi zor olan ince örüntüleri belirleyebilir. Yapay zeka temelli yöntemleri geleneksel yaklaşımlarla karşılaştırarak bunların öngörüyü iyileştirip iyileştirmediğini belirleyeceğiz.

Taşınabilir cihazlar bu tabloya nasıl uyuyor?

Reinier: AHA tarafından finanse edilen çalışma, giyilebilir cihazları kısa vadeli riski izlemek için kullanıyor. Üç yıl boyunca, VFRisk ile tespit edilen 600 yüksek riskli O.S.C.A.R. hastasını izleyecek ve onlara kalp atış hızını, kalp atış hızı değişkenliğini, oksijen satürasyonunu ve aktivite düzeylerini kaydeden bir aktivite takip cihazı vereceğiz. Bireysel baz çizgileri oluşturarak, bir olay meydana gelmeden önce 48 saatlik kayar pencereler içindeki hassas sapmaları analiz edebiliriz. Klinik geçmiş ve AI analiziyle eşleştirilen giyilebilir veri, bir olayın yaklaştığına dair işaret verebilir.

Kalp durmasının önlenmesinde gelecek için temel sonuç nedir?

Reinier: Risk işaretlerini genişleterek yüksek riskli bireyleri daha erken tespit etmeyi ve düşük riskli hastaları rahatlatmayı umuyoruz. Sonuç olarak, giyilebilir veri ve belirtiler kısa vadeli riskin arttığını gösteriyorsa, acil bakım alınması için ne zaman başvurmanız gerektiğine dair daha net yönlendirme sağlayabiliriz.

Kısa vadede, bir kalp durmasına tanıkyorsanız, hızlı müdahale esastır: 911’i arayın, CPR’a başlayın ve varsa otomatik dışsal defibrilatörü [AED] kullanın.