Predicția vârstei biologice prin ECG cu ajutorul inteligenței artificiale

Un studiu recent publicat în npj Aging a arătat cum estimarea vârstei biologice (ECG-BA) utilizând electrocardiograma (ECG) și inteligența artificială (IA) poate îmbunătăți clasificarea riscurilor pentru bolile legate de vârstă, depășind limitările vârstei cronologice (CA). Această metodă inovativă utilizează semnalele ECG pentru a estima mai precis vârsta biologică și a ajuta la identificarea timpurie a riscurilor pentru afecțiuni grave, precum bolile cardiovasculare și cancerul.

Contextul studiului

Știați că două persoane de aceeași vârstă pot avea rezultate de sănătate foarte diferite? Procesul de îmbătrânire afectează fiecare individ în mod diferit, unii rămân activi și sănătoși, în timp ce alții dezvoltă afecțiuni grave. În acest context, vârsta cronologică (CA) este utilizată frecvent în modelele de predicție a bolilor, dar nu reflectă variabilitatea îmbătrânirii biologice între indivizi. Studiul a exclus persoanele cu condiții preexistente, cum ar fi hipertensiunea, diabetul și insuficiența cardiacă, concentrându-se pe o populație „sănătoasă”.

ECG-BA, derivată din biomarkerii fiziologici, oferă o măsură mai personalizată a stării de sănătate. Tehnologia AI permite acum analiza în timp real a semnalelor ECG pentru a estima ECG-BA, îmbunătățind astfel stratificarea riscurilor. Studiul folosește validarea încrucișată pentru a asigura rezultate robuste, iar cercetările viitoare vor valida valoarea predicativă a acestui model pentru populații diverse.

Despre studiul realizat

Studiul a utilizat înregistrări ECG colectate de la Spitalul General Taipei Veterans între 2006 și 2017. Inițial, au fost înregistrate 51.061 ECG valide, însă după aplicarea criteriilor de excludere, au fost analizate 48.783 de persoane sănătoase cu vârste între 20 și 80 de ani.

Un model de învățare profundă care integrează o rețea reziduală (ResNet), o rețea squeeze-and-excitation (SENet) și învățarea multitask a fost dezvoltat pentru a estima ECG-BA pe baza ECG-urilor cu 12 plăci. Modelul a fost optimizat folosind optimizerul Adam pentru a îmbunătăți acuratețea. Datele medicale și CA au fost corelate utilizând coduri ICD pentru a clasifica participanții în grupuri de boli legate de vârstă și grupuri de control.

Rezultatele studiului

Studiul a demonstrat că ECG-BA poate identifica riscurile pentru bolile legate de vârstă cu mult mai precis decât CA singur. Modelul a arătat o corelație puternică între ECG-BA și CA (R² = 0,70, p < 0,01), cu o acuratețe mai mare decât modelele anterioare de ECG bazate pe IA.

Includerea ECG-BA a îmbunătățit semnificativ predicția riscului pentru condiții precum boala arterială coronariană (CAD), accidentul vascular cerebral și infarctul miocardic (MI). De exemplu, îmbunătățirea reclassificării nete (NRI) pentru boala arterială periferică occlusivă (PAOD) a fost de 1,1%, iar clasificarea riscului de cancer a fost îmbunătățită cu 29%, demonstrând că ECG-BA poate îmbunătăți evaluările medicale și viza mai eficient indivizii cu risc ridicat.

În ceea ce privește impactul în lumea reală, studiul a arătat că ECG-BA poate corecta 21% dintre greșelile de clasificare făcute de CA, reducând numărul pacienților care sunt incorect clasificați. Acest lucru înseamnă că mai mulți pacienți cu risc ridicat pot fi identificați mai devreme, permițând intervenții timpurii care pot salva vieți.

Cele mai semnificative îmbunătățiri au fost observate la persoanele cu vârste de 40 de ani și peste, consolidând ideea că îmbătrânirea biologică – nu doar numărul de ani trăiți – ar trebui luată în considerare în evaluările de sănătate.

Limitări ale studiului

În ciuda succesului său în rafinarea predicției bolilor, modelul a avut limitări în predicția condițiilor legate de aritmii, cum ar fi fibrilația atrială (AF) și sindromul sinusal bolnav (SSS). Studiul sugerează că aritmiile sunt influențate de factori dincolo de îmbătrânire, cum ar fi hipertiroidismul, fumatul și obiceiurile de viață, ceea ce ar putea explica de ce ECG-BA este mai puțin eficient în aceste cazuri.

Pași următori

Fancher intenționează să studieze exprimarea genelor în țesutul adipos uman și să aplice acest model pentru a evalua aplicabilitatea sa la pacienții umani. De asemenea, cercetătorii vor valida această tehnologie pe diverse platforme de dispozitive ECG, pentru a asigura acuratețea predicțiilor indiferent de echipamentele utilizate.

Concluzii

În concluzie, ECG-BA oferă o valoare suplimentară în clasificarea riscurilor pentru bolile legate de vârstă, îmbunătățind acuratețea predicției, în special pentru condițiile cardiovasculare, boala Alzheimer, osteoartrita și cancer. Îmbunătățirea reclassificării nete (NRI) sugerează că ECG-BA poate corecta greșelile de clasificare și poate contribui la intervenții mai timpurii și mai precise în tratamentul pacienților cu risc. Aceste descoperiri subliniază potențialul ECG-BA ca biomarker non-invaziv și rentabil pentru îmbătrânirea sistemică.