AI segíthet felismerni a szívátültetés utáni kilökődést biopszia nélkül

Az EKG és a vérvizsgálatok kombinációját vizsgálták

A szívátültetés utáni kilökődés diagnosztizálásának jelenlegi aranystandardja a biopszia. Ennek során sebészi úton eltávolítanak egy kis darabot a szívizomból, amelyet szakértők mikroszkóp alatt vizsgálnak meg gyulladás vagy más, az immunrendszer szervellenes támadására utaló elváltozás után kutatva.

A NYU Langone Health kutatói olyan alternatívát vizsgáltak, amely EKG-felvételekre és vérvizsgálatokra támaszkodik. Az EKG a bőrre helyezett érzékelők segítségével rögzíti a szív elektromos aktivitását. A csapat 2357 felnőtt szívátültetett páciens 5300 EKG-felvételén tanított be mesterségesintelligencia-modelleket.

Az egyik modell kizárólag az EKG-adatokat elemezte. A másik az EKG-felvételeket két, a kilökődés kockázatának előrejelzésére gyakran használt vérvizsgálat eredményeivel együtt értékelte. A kutatók az azonos betegektől származó, EKG-felvételekhez párosított biopsziás adatokat használták a modellek pontosságának ellenőrzésére.

A kombinált modell kevesebb téves riasztást adott

A további 38 szívátültetett páciensből álló tesztcsoportban a kombinált modell a kilökődést nem mutató betegek 94 százalékát helyesen azonosította. A vérvizsgálatokon alapuló modell ezzel szemben 19 beteget tévesen jelölt úgy, hogy esetükben biopsziára lehet szükség.

A kutatók szerint a kombinált modell ezeket a betegeket megkímélhette volna az eljárástól. A vérben vizsgált biomarkerek a sejtes kilökődéshez kapcsolódó génaktivitást, valamint a donor DNS-ének a recipiens véráramában jelen lévő darabjait mérik. Korábbi kutatások alapján ezek a markerek alkalmasak a kilökődés felismerésére, de gyakran adnak álpozitív eredményt, ami szükségtelen biopsziákhoz vezethet.

„Eredményeink azt mutatják, hogy az EKG-k jelentős mennyiségű élettani információt tartalmaznak, amely felhasználható a szívátültetés utáni kilökődés felismerésének pontosságára és a korábbi diagnózisra, illetve kezelésre” , mondta Lior Jankelson, az NYU Grossman School of Medicine kardiológiai részlegének és az NYU Tandon School of Engineering biomedikai mérnöki tanszékének egyetemi docense.

A súlyosabb esetek kezelése változhat

A tanulmányhoz azokat az EKG-adatokat és biomarkereredményeket használták, amelyek 2018 és 2024 között kezelt szívátültetett betegektől származtak. Minden EKG-t egy, az előző hónapban elvégzett biopsziával párosítottak. Ezt az időablakot korábbi kutatások támasztották alá.

A kilökődést két csoportba sorolták: nem jelentkező vagy enyhe, illetve közepes vagy súlyos kilökődés. A kutatók szerint a kezelést, például az immunszuppresszív gyógyszerek adagjának módosítását, jellemzően csak a súlyosabb esetekben változtatják meg.

„A szívátültetés jelentős erőforrásokat igénylő beavatkozás, a kilökődés pedig gyakori, de időben felismerve kezelhető” , mondta Jankelson. Szerinte az EKG-k elérhetőségének és a mesterséges intelligencia támogatásának kombinációja segíthet korábban felismerni a kilökődést, és több életet menthet.

Több transzplantációs központban folytatják a vizsgálatot

A kutatók közlése szerint a tanulmány az első olyan munka, amely egyetlen, mesterséges intelligenciával támogatott modellben kombinálja a vérbiomarkereket és az EKG-felvételeket, majd az eredményt közvetlenül a biopsziás adatokkal hasonlítja össze. A tanulmány online szeptember 25-én jelent meg a Journal of Heart and Lung Transplantation folyóiratban.

A következő lépésben a modellt több, különböző transzplantációs központban kezelt betegen tervezik tesztelni. A kutatást az NYU Langone finanszírozta. Az eredmények alapján a módszer a szívátültetett betegek megfigyelését kevésbé invazív irányba viheti, de a kutatók további vizsgálatokkal ellenőrzik, hogy a modell több központban is megbízhatóan működik-e.