Explainable Algorithm for Automatic Detection and Quantification of Preload Alterations using Seismocardiography
Deze studie heeft een nieuw, uitlegbaar algoritme ontwikkeld en gevalideerd met behulp van seismocardiografie en machine learning-technieken om veranderingen in de cardiale preload nauwkeurig te detecteren en te kwantificeren bij 193 proefpersonen, waarbij een hoge discriminerende prestatie werd aangetoond tussen afname, geen verandering en toename van de preload.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de complexe machinerie van het menselijk lichaam vertrouwt het hart op een delicaat evenwicht om het bloed te laten stromen. Een van de meest kritieke factoren in dit evenwicht is "preload", een term die beschrijft hoeveel bloed de kamers van het hart vult voordat het samentrekt. Denk hierbij aan de hoeveelheid water in een ballon voordat je deze indrukt; als de ballon te leeg is, is de druk zwak, maar als het precies goed is, kan het hart effectief pompen. Artsen moeten dit niveau constant weten, vooral voor patiënten met hartfalen of mensen die herstellen van een operatie, omdat het vermogen van het hart om te pompen volledig afhangt van de juiste hoeveelheid bloed om mee te werken. Momenteel is de beste manier om dit te zien met echografieapparaten, maar deze vereisen een deskundige gebruiker die een sonde tegen de borst houdt en kunnen geen continue, rondom-de-klok-meting leveren. Vitale functies zoals de hartslag zijn gemakkelijk te volgen, maar ze veranderen vaak te laat om artsen te waarschuwen voor een probleem. Deze kloof in de monitoring laat patiënten kwetsbaar achter, omdat artsen mogelijk niet doorhebben dat het hart moeite heeft totdat het te laat is.
Een team van onderzoekers uit Denemarken en Zweden heeft een nieuwe methode ontwikkeld om deze kloof te vullen, door een systeem te creëren dat automatisch veranderingen in dit vitale bloedvolume kan detecteren met behulp van een kleine sensor die op de borst wordt geplaatst. Deze sensor meet seismocardiografie, wat simpelweg de opname is van de minuscule trillingen en bewegingen die de borst maakt terwijl het hart slaat. Deze trillingen worden veroorzaakt door de mechanische activiteit van het hart, zoals het openen en sluiten van kleppen en het stromen van bloed door de kamers. De onderzoekers bouwten een algoritme, een reeks computerinstructies, dat naar deze trillingen luistert, slag voor slag. In plaats van alleen naar het ruwe geluid te kijken, breekt het systeem het signaal af in specifieke tijd- en krachtmetingen, en gebruikt vervolgens wiskundige patronen om te bepalen of het hart te weinig bloed, te veel bloed of precies de juiste hoeveelheid bloed krijgt.
Om dit idee te testen, verzamelden de onderzoekers gegevens van 193 mensen in de loop van vier verschillende studies. In twee van deze studies veranderden ze doelbewust de hoeveelheid bloed die naar het hart terugkeert om te zien of hun systeem het verschil kon opmerken. In één experiment lieten ze gezonde vrijwilligers achterover leunen om de bloedtoevoer naar het hart te verminderen, wat een daling in de preload simuleert. In een ander experiment gaven ze vrijwilligers een zoutoplossing om het bloedvolume te vergroepen, wat een stijging in de preload simuleert. De andere twee studies betrokken mensen die rustten zonder veranderingen, dienend als een controlegroep om te zien of het systeem vals positieve resultaten zou detecteren wanneer er geen veranderingen waren. Het computersysteem analyseerde de borstrillingen tijdens deze sessies en vergeleek de "voor" en "na" signalen om te zoeken naar subtiele verschuivingen in het ritme en de kracht van het hart.
De resultaten toonden aan dat het systeem succesvol onderscheid kon maken tussen deze verschillende toestanden. Wanneer de onderzoekers het algoritme vroegen om het verschil te verklaren tussen een daling in bloedvolume en helemaal geen verandering, had het een AUC van 0,81. Bij het vergelijken van een daling in volume met een toename, steeg de AUC naar 0,91. Het was ook in staat om het verschil te zien tussen geen verandering en een toename in bloedvolume met een AUC van 0,85. Naast alleen maar "ja" of "nee" te zeggen, leverde het systeem een waarschijnlijkheidsscore, waardoor artsen een gevoel kregen van hoe waarschijnlijk een verandering was. De onderzoekers controleerden ook of hun bevindingen overeenkwamen met wat ze zagen op echografie-scans, die het werkelijke volume van het gepompte bloed meten. Ze vonden een matige connectie tussen de scores van het systeem en de werkelijke veranderingen in het bloedvolume, wat suggereert dat de trillingen in de borst inderdaad de vulstatus van het hart weerspiegelen.
Wat deze aanpak bijzonder veelbelovend maakt, is dat het "uitlegbaar" is. In tegen tegenstelling tot sommige complexe computermodellen die fungeren als een "black box", stelt dit systeem artsen in staat om precies te zien welke delen van het hartslagsignaal hebben geleid tot de conclusie. De onderzoekers konden de beslissing herleiden naar specifieke momenten in de hartcyclus, zoals de tijd die het kost om bloed uit te stoten of de kracht van de ontspanning van het hart. Deze specifieke timing- en krachtveranderingen kwamen overeen met wat al bekend is over hoe het hart zich gedraagt wanneer het bloedvolume verandert, wat de bevindingen een solide fysieke basis geeft. Het systeem werkt door twee opnames van dezelfde persoon te vergelijken en te kijken naar hoe het patroon van de trillingen tussen hen verschuift, in plaats van te proberen de conditie te raden op basis van een enkele momentopname.
Ondanks deze bemoedigende resultaten merken de onderzoekers op dat het systeem nog in een vroeg stadium verkeert. De studie werd grotendeels uitgevoerd op gezonde mensen en de veranderingen in het bloedvolume werden in een gecontroleerde omgeving opgewekt. In de echte wereld kunnen patiënten met hartziekten of mensen midden in een operatie andere uitdagingen presenteren. Het systeem presteerde ook iets minder goed bij het proberen te onderscheiden tussen een kleine daling in het bloedvolume en helemaal geen verandering, wat de auteurs toeschrijven aan het vermogen van het lichaam om kleine verschuivingen te compenseren. Desalniettemin is het vermogen om een kleine, lichtgewicht sensor te gebruiken om een centrale hemodynamische parameter continu te monitoren, een belangrijke stap voorwaarts. Als toekomstige proeven deze bevindingen bij zieke patiënten bevestigen, zou deze technologie uiteindelijk artsen kunnen helpen om behandelingen in realtime aan te passen, wat potentieel de resultaten voor mensen met hartfalen of mensen die herstellen van een grote operatie kan verbeteren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.