Szívelégtelenség előrejelzés okosórával

A JACC: Heart Failure című folyóiratban június 30-án online megjelent rövid beszámoló szerint a csökkent ejekciós frakciójú, New York Heart Association (NYHA) III. funkcionális osztályba tartozó szívelégtelenségben (HF) szenvedő betegek esetében egy folyamatos pulzusmonitorozást alkalmazó, okosóra-alapú mesterséges intelligencia (AI) rendszer pontosan előre jelezte az N-terminális pro-B-típusú natriuretikus peptid (NT-proBNP) szintjének emelkedését, és a testsúly-alapú monitorozásnál korábban adott riasztást.

A kutatók 2022 januárja és 2024 májusa között egy multicentrikus, prospektív megfigyelési vizsgálatot (TRIBE-HF II) végeztek annak értékelésére, hogy egy passzív, okosóra-alapú mesterséges intelligencia platform (CardioID) képes-e előre jelezni a szívelégtelenség súlyosbodását.

A vizsgálatba olyan 18–85 éves, tünettel járó szívelégtelenségben szenvedő felnőttet vontak be, akiknek ejekciós frakciója < 40% volt, és a NYHA III. funkcionális osztályba tartoztak. A derivációs kohorsz 91 beteget, a validációs kohorsz pedig 33 beteget tartalmazott.

A betegek egy Sony mSafety okosórát viseltek, amelyet a pulzusukat rögzítő CardioID okostelefonos alkalmazással párosítottak. Az NT-proBNP-szintek méréséhez a kiindulási állapotban és a 14 naponta otthoni tesztkészletekkel gyűjtött követő vérmintákat használták.

Két hetes kalibrálás után az algoritmus 14 napnyi pulzusszám-adatot követett nyomon, hogy 35 napos időtartamon belül riasztásokat adjon ki a szívelégtelenség súlyosbodását jelző NT-proBNP-eseményekre (mind a > 600 pg/mL abszolút emelkedés, mind a több mint 100%-os relatív emelkedés esetén).

Az elsődleges végpont az algoritmus diagnosztikai teljesítménye volt az NT-proBNP-események felismerése terén, összehasonlítva a virtuális súlygyarapodási riasztásokkal, amelyek definició szerint azt jelentették, hogy a testsúly 1 nap alatt > 1,3 kg-mal vagy 3 nap alatt > 2,3 kg-mal nőtt. Mindkét rendszert úgy állították be, hogy beteg-évenként két riasztás legyen. A követés időtartamának mediánja 182 nap volt.

A validációs kohorszban a CardioID algoritmus 0,865-ös görbe alatti területet (AUC) ért el. Az eszköz a NT-proBNP-események 82,6%-ánál jelzett, és az NT-proBNP-szint emelkedése nélküli esetek 89,2%-ában helyesen nem adott riasztást; a riasztások 51,4%-a valódi emelkedéssel egyezett meg; és az esetek 97,4%-ában helyesen nem küldött riasztást.

Azonos riasztási arány mellett a CardioID gyakrabban észlelte a NT-proBNP-szint valódi emelkedéseit, mint a testsúly-alapú monitorozás (40,8% vs. 7,2%), a riasztások gyakrabban egyeztek meg a valódi emelkedésekkel (60,0% vs. 37,5%), és a riasztás nélküli esetek is gyakrabban voltak helyesek (92,0% vs. 69,9%; P ≤ 0,05 minden esetben). Az AUC-érték a két módszer között nem különbözött szignifikánsan.

A valódi pozitív riasztások közül a CardioID-riasztások 89,5%-a az NT-proBNP-eseményt megelőző 2 nappal, 73,7%-a pedig legalább 7 nappal korábban jelentkezett. A CardioID korábban adott riasztást, mint a testsúly-alapú monitorozás (a riasztások medián előzetes ideje: 14 nap szemben 4 nappal).

A betegek adherenciája jobb volt a CardioID,  mint a testsúly-alapú monitorozás (100% szemben 60,6%-kal; P < 0,001) esetén.

„A CardioID kiváló diagnosztikai teljesítményt nyújtott: nagyobb érzékenységgel, jobb betartási aránnyal és hosszabb riasztási előzetes idővel rendelkezett, mint a testsúly-alapú monitorozás, ami alátámasztja, hogy képes a fiziológiai állapot romlását korábban felismerni” – írták a kutatók.

FORRÁS

A tanulmányt Abhishek Chaturvedi, MD vezette, az indiai Új-Delhiben található Krónikus Betegségek Ellenőrzési Központjából. A tanulmányt június 30-án tették közzé online, rövid beszámoló formájában a JACC: Heart Failure című folyóiratban.

KORLÁTOZÁSOK

A tanulmány egykarú és megfigyeléses volt, és kizárólag NYHA III. funkcionális osztályba tartozó betegeket tartalmazott. A validációs kohorsz mérete kicsi volt. A kutatók a minősített szívelégtelenség miatti kórházi felvételek helyett az NT-proBNP-eseményeket használták.

A tanulmányt a General Prognostics szponzorálta, és két szerző jelezte, hogy a szponzoráló vállalat társalapítói.

Forrás:

Chaturvedi A, Kushwaha S, Dixit UKet al: Noninvasive Wearable-Based Algorithm to Predict Worsening Heart Failure by Change in Natriuretic Peptide Levels: Heart Failure JACC Heart Fail. 2026;:103188. doi:10.1016/j.jchf.2026.103188 https://www.jacc.org/doi/10.1016/j.jchf.2026.103188