Ученые из Центра контроля хронических заболеваний в Нью-Дели оценили эффективность алгоритма искусственного интеллекта (ИИ) на основе данных умных часов для раннего выявления прогрессирования сердечной недостаточности. Результаты исследования опубликованы в журнале JACC: Heart Failure.
Анализ показал, что алгоритм CardioID точно предсказывал повышение уровня N-концевого про-В-типа натрийуретического пептида, который использовали как показатель ухудшения сердечной недостаточности. В валидационной группе система достигла площади под кривой 0,865, выявила 82,6% случаев повышения уровня маркера. Также система корректно не выдавала предупреждение в 89,2% случаев без ухудшения состояния.
При одинаковом количестве оповещений алгоритм на основе умных часов эффективнее выявлял истинные случаи ухудшения по сравнению с мониторингом массы тела. Доля правильно выявленных повышений уровня маркера составила 40,8% против 7,2% при контроле веса. Кроме того, положительная прогностическая ценность оповещений составила 60,0% против 37,5%.
Алгоритм также позволял раньше предупредить о возможном ухудшении состояния. Медианное время опережения оповещения составило 14 дней для CardioID и четыре дня для мониторинга веса. Среди подтвержденных случаев ухудшения 73,7% предупреждений срабатывали как минимум за семь дней до повышения уровня маркера.
Анализировали данные 124 пациентов с сердечной недостаточностью, сниженной фракцией выброса и III функциональным классом по классификации Нью-Йоркской кардиологической ассоциации. Участники использовали умные часы Sony mSafety, подключенные к приложению CardioID, которое непрерывно отслеживало частоту сердечных сокращений. В качестве основных результатов оценивали способность алгоритма выявлять повышение уровня N-концевого про-В-типа натрийуретического пептида и сравнивали эффективность системы с мониторингом изменения массы тела.
Авторы заключили, что алгоритм ИИ на основе данных умных часов может помочь раньше выявлять ухудшение сердечной недостаточности по сравнению с традиционным контролем веса. Полученные результаты указывают на перспективность дистанционного мониторинга физиологических показателей для своевременной коррекции лечения.
