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) È™i inteligenÈ›a 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 È™i a ajuta la identificarea timpurie a riscurilor pentru afecÈ›iuni grave, precum bolile cardiovasculare È™i cancerul.
Contextul studiului
ȘtiaÈ›i că două persoane de aceeaÈ™i vârstă pot avea rezultate de sănătate foarte diferite? Procesul de îmbătrânire afectează fiecare individ în mod diferit, unii rămân activi È™i sănătoÈ™i, în timp ce alÈ›ii dezvoltă afecÈ›iuni grave. În acest context, vârsta cronologică (CA) este utilizată frecvent în modelele de predicÈ›ie a bolilor, dar nu reflectă variabilitatea îmbătrânirii biologice între indivizi. Studiul a exclus persoanele cu condiÈ›ii preexistente, cum ar fi hipertensiunea, diabetul È™i insuficienÈ›a cardiacă, concentrându-se pe o populaÈ›ie „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 foloseÈ™te validarea încruciÈ™ată pentru a asigura rezultate robuste, iar cercetările viitoare vor valida valoarea predicativă a acestui model pentru populaÈ›ii diverse.
Alege-ți medicul și fă o programare!Peste 13000 de cabinete medicale își prezintă serviciile pe ROmedic.
Despre studiul realizat
Studiul a utilizat înregistrări ECG colectate de la Spitalul General Taipei Veterans între 2006 È™i 2017. IniÈ›ial, 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 È™i 80 de ani.
Un model de învățare profundă care integrează o reÈ›ea reziduală (ResNet), o reÈ›ea squeeze-and-excitation (SENet) È™i 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 acurateÈ›ea. Datele medicale È™i CA au fost corelate utilizând coduri ICD pentru a clasifica participanÈ›ii în grupuri de boli legate de vârstă È™i 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 corelaÈ›ie puternică între ECG-BA È™i CA (R² = 0,70, p < 0,01), cu o acurateÈ›e mai mare decât modelele anterioare de ECG bazate pe IA.
Includerea ECG-BA a îmbunătățit semnificativ predicÈ›ia riscului pentru condiÈ›ii precum boala arterială coronariană (CAD), accidentul vascular cerebral È™i 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 È™i viza mai eficient indivizii cu risc ridicat.
În ceea ce priveÈ™te impactul în lumea reală, studiul a arătat că ECG-BA poate corecta 21% dintre greÈ™elile de clasificare făcute de CA, reducând numărul pacienÈ›ilor care sunt incorect clasificaÈ›i. Acest lucru înseamnă că mai mulÈ›i pacienÈ›i cu risc ridicat pot fi identificaÈ›i mai devreme, permiÈ›ând intervenÈ›ii timpurii care pot salva vieÈ›i.
Cele mai semnificative îmbunătățiri au fost observate la persoanele cu vârste de 40 de ani È™i peste, consolidând ideea că îmbătrânirea biologică – nu doar numărul de ani trăiÈ›i – ar trebui luată în considerare în evaluările de sănătate.
Limitări ale studiului
În ciuda succesului său în rafinarea predicÈ›iei bolilor, modelul a avut limitări în predicÈ›ia condiÈ›iilor legate de aritmii, cum ar fi fibrilaÈ›ia atrială (AF) È™i sindromul sinusal bolnav (SSS). Studiul sugerează că aritmiile sunt influenÈ›ate de factori dincolo de îmbătrânire, cum ar fi hipertiroidismul, fumatul È™i obiceiurile de viață, ceea ce ar putea explica de ce ECG-BA este mai puÈ›in eficient în aceste cazuri.
Pași următori
Fancher intenÈ›ionează să studieze exprimarea genelor în È›esutul adipos uman È™i să aplice acest model pentru a evalua aplicabilitatea sa la pacienÈ›ii umani. De asemenea, cercetătorii vor valida această tehnologie pe diverse platforme de dispozitive ECG, pentru a asigura acurateÈ›ea predicÈ›iilor indiferent de echipamentele utilizate.
Concluzii
În concluzie, ECG-BA oferă o valoare suplimentară în clasificarea riscurilor pentru bolile legate de vârstă, îmbunătățind acurateÈ›ea predicÈ›iei, în special pentru condiÈ›iile cardiovasculare, boala Alzheimer, osteoartrita È™i cancer. Îmbunătățirea reclassificării nete (NRI) sugerează că ECG-BA poate corecta greÈ™elile de clasificare È™i poate contribui la intervenÈ›ii mai timpurii È™i mai precise în tratamentul pacienÈ›ilor cu risc. Aceste descoperiri subliniază potenÈ›ialul ECG-BA ca biomarker non-invaziv È™i rentabil pentru îmbătrânirea sistemică.
DOI: 10.1038/s41514-025-00198-0, https://www.nature.com/articles/s41514-025-00198-0
Image by DC Studio on Freepik
Copyright ROmedic: Articolul se află sub protecția drepturilor de autor. Reproducerea, chiar și parțială, este interzisă!
- O nouă metodă nedistructivă pentru detectarea microplasticelor în țesuturile umane: tehnologia OPTIR
- Antibiotic din sol în lupta cu formele multidrog rezistente de tuberculoză
- O aplicație pe telefon ar putea trata țiuitul în urechi
- Nanocompozite magnetice cu înveliș de biosticlă combat cancerul osos și ajută la vindecare
- Segment st
- Ecg
- Ecg
- Interpretare ECG si Angio CT
- Altcineva cu experienta similara? durere, presiune in piept