심부전을 계속해서 놓치고 있는 10초 테스트

Margaret은 68세입니다. 그녀는 언덕을 오를 때 숨이 차고, 베개를 두 개 높게 베고 자며, 그녀의 ECG(심전도)는 "정상"으로 보입니다. 6개월 후 그녀는 폐에 물이 찬 상태로 응급실(ED)에 실려 왔습니다. 그녀의 심초음파(echo) 결과는 HFpEF(박출률 보존 심부전)로 나타났습니다. 이는 모든 심부전의 절반을 차지하지만 가장 자주 놓치는 딱딱한 심장 유형입니다.

만약 그녀의 첫 번째 ECG에 이미 답이 들어있었다면 어땠을까요?

저는 노르웨이의 새로운 프리프린트(preprint) 논문을 분석했습니다. 연구진은 '실용적 라벨링(pragmatic labelling)'이라고 부르는 영리한 수정 방식을 사용하여 284,000개의 ECG로 오픈 소스 AI를 학습시켰습니다. 노이즈가 많은 ICD(국제질병분류) 코드에만 의존하는 대신, 그들은 코드와 NT-proBNP를 결합했습니다. 그 결과, 가공되지 않은 12유도 전압(12 lead voltage)을 읽고 전체 EF(박출률) 스펙트럼에 걸쳐 심부전을 찾아내는 모델이 탄생했습니다.

43,109명의 환자를 대상으로 한 전향적 테스트(prospective testing)에서 이 모델은 전체 AUC 0.84, HFrEF(박출률 감소 심부전)에 대해 0.91, 그리고 엄격한 라벨링을 적용했을 때 최대 0.96을 기록했습니다. 심지어 NT-proBNP와 직접 대결했을 때 더 나은 성능을 보였으며, 바이오마커가 정상인 환자들에게서도 HFpEF를 식별해냈습니다.

새로운 하드웨어는 필요 없습니다. 이미 처방하고 있는 ECG를 더 잘 볼 수 있는 눈이 생기는 것뿐입니다.

저는 이것이 어떻게 작동하는지, 1차 의료(primary care)의 어디에 적합한지, 그리고 무엇을 잘못하는지에 대한 간단한 가이드를 작성했습니다.

전체 분석 내용은 여기서 읽어보세요:
https://sharetxt.live/blog/heart-failure-detection-in-ecg-using-ai