L’apprentissage automatique peut améliorer la prédiction de la récupération myocardique sur le support LVAD

Besoin d'améliorer votre visibilité?

Votre site internet ne décolle pas, ou vous souhaitez obtenir des conseils d'optimisation, notre expert vous répond gratuitement du lundi au samedi et de 9h à 19h:

Envoyer un message

09 janvier 2022

2 minutes de lecture


Source/Divulgations


Divulgations : Topkara rapporte avoir reçu un soutien à la recherche du NIH. Veuillez consulter l’étude pour les informations financières pertinentes de tous les autres auteurs.

Nous n’avons pas pu traiter votre demande. Veuillez réessayer plus tard. Si vous continuez à avoir ce problème, veuillez contacter [email protected].

Selon de nouvelles données dans Circulation : insuffisance cardiaque.

« L’apprentissage automatique est devenu un outil puissant pour apprendre des modèles de données complexes et identifier les interactions non linéaires au sein de grands ensembles de données cliniques pour formuler des classifications de maladies ainsi que pour prédire les résultats des patients », Veli K. Topkara, MD, MSc, spécialiste de l’insuffisance cardiaque avancée et de la cardiologie de transplantation au Columbia University Irving Medical Center, et ses collègues ont écrit. « En utilisant le registre multicentrique INTERMACS, nous avons émis l’hypothèse que les modèles de prédiction basés sur l’apprentissage automatique pourraient améliorer la sélection des candidats susceptibles de récupérer avec le support LVAD par rapport aux modèles traditionnels basés sur la régression et découvrir de nouveaux facteurs de risque cliniques associés positivement ou négativement à l’infarctus. récupération sur support LVAD.

L’apprentissage automatique peut améliorer la prédiction de la récupération myocardique sur le support LVAD
Source : Adobe Stock

Former des modèles d’apprentissage automatique

À cette fin, les chercheurs ont formé les modèles d’apprentissage automatique pour prédire la récupération du myocarde après l’implantation du LVAD en utilisant 28 caractéristiques cliniques uniques. La moitié de ces caractéristiques étaient positivement associées à la récupération du myocarde, y compris la stratégie d’implantation de pont vers la récupération, l’abus de tabac actuel, la cardiomyopathie post-partum, le diagnostic cardiaque récent, les antécédents de consommation d’alcool, le soutien social limité, la non-conformité, l’hémoglobine élevée, le rythme sinusal, le rythme cardiaque élevé taux élevé de sodium sérique, profil INTERMACS 3 et maladie psychiatrique. L’autre moitié était négativement associée à la récupération du myocarde et incluait la présence d’un défibrillateur automatique implantable, une fraction d’éjection réduite après l’implantation, l’implantation d’un dispositif d’assistance ventriculaire droite avec DAVG, la vieillesse, une urée sanguine plus élevée, une cardiomyopathie ischémique, l’utilisation d’une pompe centrifuge, une postimplantation plus élevée Diamètre télédiastolique VG, pontage avec pompe à ballonnet intra-aortique, utilisation préimplantatoire de warfarine, utilisation préimplantatoire d’amiodarone, indication pont-transplantation et intervention chirurgicale concomitante de la valve tricuspide.

Les chercheurs ont inclus 20 270 patients adultes du registre INTERMACS avec un LVAD à flux continu durable.

Apprentissage automatique pour prédire la récupération du myocarde

Selon l’étude, les modèles d’apprentissage automatique ont atteint une aire sous la courbe de 0,813 à 0,824 et ont surpassé le nouveau score de risque de récupération INTERMACS basé sur la régression logistique (AUC = 0,796), ainsi que les scores de risque de récupération LVAD précédemment établis, INTERMACS Cardiac Recover Score (AUC = 0,744) et le score INTERMACS Recover de Topkara et ses collègues (AUC = 0,748 ; P pour tous

« La faible valeur prédictive positive des modèles d’apprentissage automatique n’est pas inattendue étant donné la faible incidence de récupération myocardique chez les patients atteints de LVAD », ont écrit les chercheurs. « L’inclusion de fonctionnalités supplémentaires qui ne sont pas disponibles dans l’INTERMACS, telles que la thérapie pharmacologique, les doses de médicaments utilisées, l’optimisation de la vitesse de la pompe et la réduction des indices échocardiographiques ou hémodynamiques, pourrait améliorer la capacité discriminative des modèles. »

Les chercheurs ont observé une incidence plus élevée de récupération myocardique entraînant une explantation du LVAD chez les patients identifiés par les modèles d’apprentissage automatique comme ayant une récupération myocardique par rapport aux patients dont la récupération myocardique n’était pas prévue par les modèles d’apprentissage automatique (18,8 % contre 2,6 %).

« L’utilisation et l’interprétation de modèles d’apprentissage automatique complexes pourraient être difficiles pour le clinicien par rapport à de simples modèles de régression logistique. Cependant, les algorithmes d’apprentissage automatique se sont révélés supérieurs aux modèles de risque traditionnels en ce qui concerne la prédiction du risque de réadmission et de mortalité pour insuffisance cardiaque », ont écrit les chercheurs. « De même, l’analyse actuelle a suggéré la capacité discriminatoire supérieure des modèles d’apprentissage automatique en ce qui concerne la prédiction de la récupération chez les patients pris en charge par le LVAD. »


Article traduis depuis:
Source link