На АНА 2025 доложены результаты 2 исследований, в которых с успехом использовались подходы к скринингу ХСН с использованием алгоритмов на основании ИИ.
В исследовании DAMSUN-HF с успехом применялись электронные стетоскопы, интегрированные с платформой Sensora AI (Eko Health), и записывающие фонокардиографические данные в течение 30 секунд в стандартных точках аускультации сердца. В течение нескольких секунд на прилагающемся планшете появляются данные о наличии/отсутствии ХСН со сниженной ФВ ЛЖ. Алгоритм ИИ обучен на более чем 40000 фонокардиограмм (ФКГ) с использованием эхокардиографии в качестве эталонного стандарта. Чувствительность алгоритма составила 96,9%, отрицательная прогностическая ценность - 95,1%.
В исследовании приняли участие 115 взрослых (средний возраст 62 года; 53% женщин), проживающих в Гане, у которых наблюдались признаки и симптомы СН, включая одышку, отёки и функциональные ограничения. На исходном этапе у большинства пациентов наблюдались симптомы III или IV класса по NYHA (44% и 28% соответственно). Трансторакальная эхокардиография (ТТЭ) показала, что у 59% пациентов фракция выброса левого желудочка (ЛЖ) была ниже 40%.
Помимо высокой чувствительности и отрицательной прогностической ценности, наблюдавшихся при использовании стетоскопов для выявления низкой ФВ, специфичность составила 75,6%, а положительная прогностическая ценность – 84,9%. Площадь под ROC-кривой для алгоритма в целом составила 0,88, с несколько лучшими результатами у женщин по сравнению с мужчинами и у пациентов молодого возраста по сравнению с пациентами старшего возраста.
В еще одном исследовании было показано, что в сочетании c калькулятором PREVENT-HF, анализ ЭКГ с помощью алгоритма на основе ИИ улучшает предсказание краткосрочного риска сердечной недостаточности. Среди 14 126 участников частота положительных результатов скрининга составила 2,9% для выявления систолической дисфункции по ЭКГ, 11,1% для выявления диастолической дисфункции по ЭКГ и 11,9% для комбинированного скрининга этих двух показателей, 25,1% для показателя PREVENT-HF ≥10% и 5,8% для показателя PREVENT-HF ≥20%. У участников с положительным результатом скрининга по ЭКГ риск развития СН был в 10–20 раз выше, чем у тех, у кого результат был отрицательным. Через один, три, пять и 10 лет добавление данных анализа ЭКГ ИИ к результатам PREVENT-HF приводило к чистому улучшению реклассификации риска на 0,086–0,125 при оценке PREVENT-HF ≥10% и на 0,327–0,403 при оценке PREVENT-HF ≥20%. Авторы исследования предположили, что созданные ими ИИ модели могут выявлять субклинические структурные заболевания сердца.
По материалам:
1) Okoh AK, Appiah LT, Wiafe YA, et al. AI-enabled digital auscultation for detecting heart failure with reduced ejection fraction in sub-Saharan Africa: the DAMSUN-HF study. Circulation. 2025;Epub ahead of print.
2) Desai, A, Pandey, A, Suratekar, R. et al. Predicting Heart Failure From 12-Lead ECGs Using AI: A HeartShare/AMP-HF Pooled Cohort Analysis. JACC. null2025, 0 (0) .https://doi.org/10.1016/j.jacc.2025.10.065
Текст: Шахматова О.О.