เว็บตรง / บาคาร่าเว็บตรง Julie Shadeผู้สมัครระดับปริญญาเอกด้านวิศวกรรมชีวการแพทย์ในห้องทดลองของ Natalia Trayanovaที่ Johns Hopkins University หวังว่างานวิจัยของเธอจะเปลี่ยนวิธีที่แพทย์จัดการ Sarcoidosis ของหัวใจ Cardiac sarcoidosis เป็นโรคหัวใจอักเสบซึ่งกลุ่มเซลล์เม็ดเลือดขาวรวมตัวกันในเนื้อเยื่อหัวใจและรบกวนระบบไฟฟ้าของหัวใจ
ผู้ป่วยบางรายที่เป็นโรคซาร์คอยด์ในหัวใจ
จะมีการเต้นของหัวใจผิดปกติที่เรียกว่าภาวะหัวใจล้มเหลว ซึ่งอาจทำให้หัวใจล้มเหลวหรือหัวใจหยุดเต้นกะทันหัน น่าเสียดายที่แพทย์ไม่มีวิธีการที่แม่นยำในการระบุว่าผู้ป่วยโรคซาร์คอยด์ของหัวใจคนใดจะมีภาวะหัวใจเต้นผิดจังหวะ ดังนั้น มีเพียงหนึ่งในสามของบุคคลเหล่านี้เท่านั้นที่ได้รับการดูแลที่เหมาะสม เช่น การฝังเครื่องกระตุ้นหัวใจ และผู้ป่วยมากถึงหนึ่งในสี่ได้รับการบำบัดที่ไม่เหมาะสม ในการศึกษาล่าสุดนี้ ซึ่งรายงานผลการวิจัยในScience Advances Shade ได้รวมข้อมูลจากการสแกนหัวใจสองประเภทกับการเรียนรู้ของเครื่องเพื่อสร้างเครื่องมือที่คาดการณ์ความเสี่ยงของผู้ป่วยที่จะเกิดภาวะหัวใจหยุดเต้นกะทันหัน
“นี่เป็นการศึกษาครั้งแรกในการประเมินแนวโน้มที่จะเกิดคลื่นไฟฟ้ารบกวนในหัวใจของผู้ป่วยโดยใช้ข้อมูลจากรูปแบบการถ่ายภาพที่หลากหลาย” Shade อธิบาย “เมื่อเรารวมข้อมูลนี้กับข้อมูลทางคลินิกอื่น ๆ ในตัวแยกประเภทหลายตัวแปร เราได้มาถึงแนวทางที่สามารถใช้เป็นเครื่องมือสนับสนุนการตัดสินใจทางคลินิก ซึ่งช่วยให้แพทย์ประเมินความเสี่ยงของผู้ป่วยที่จะเสียชีวิตด้วยโรคหัวใจกะทันหันอันเนื่องมาจากภาวะหัวใจเต้นผิดจังหวะ”
การสร้างแบบจำลองสัญญาณไฟฟ้าในหัวใจ sarcoidosis
บริเวณที่เกิดพังผืดและการอักเสบในหัวใจ – เครื่องหมายของ Sarcoidosis ของหัวใจ – ชะลอและรบกวนสัญญาณไฟฟ้าที่ส่งผ่านหัวใจ เพื่อให้ได้ข้อมูลเชิงลึกว่าการเกิดพังผืดและการอักเสบส่งผลต่อการเต้นของหัวใจอย่างไร Shade ได้สร้างแบบจำลองสามมิติของหัวใจของผู้ป่วยที่เป็นโรคหัวใจและหลอดเลือด จากนั้นจึงวัดว่าการนำไฟฟ้าในแต่ละแบบจำลองไม่เป็นระเบียบเนื่องจากการเปลี่ยนแปลงของโรคในหัวใจ นักวิจัยสามารถคาดการณ์ผลการวิจัยเหล่านี้กับผลลัพธ์ทางคลินิกและความเสี่ยงของผู้ป่วยที่จะเป็นโรคหลอดเลือดหัวใจตีบ
การสร้างแบบจำลองสัญญาณไฟฟ้า
แบบจำลองหัวใจของผู้ป่วยสร้างขึ้นจากการสแกนด้วย MRI และ PET แถบสีแสดงถึงคลื่นไฟฟ้าของการเต้นของหัวใจที่ไม่สม่ำเสมอในขณะที่ห้องทดลองของ Trayanova มีประสบการณ์ในการสร้างแบบจำลองการทำงานของไฟฟ้าในหัวใจ การสร้างแบบจำลองเส้นทางของสัญญาณไฟฟ้าในภาวะหัวใจเต้นผิดจังหวะทำให้เกิดความท้าทายที่ไม่เหมือนใคร
ตัวอย่างเช่น การเกิดพังผืดจะมองเห็นได้ดีที่สุดโดยใช้การถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (MRI) ในขณะที่บริเวณที่มีการอักเสบจะมองเห็นได้ด้วยเอกซเรย์ปล่อยโพซิตรอน (PET) แรเงาและทีมวิจัยที่เหลือระบุบริเวณที่เกิดพังผืดและการอักเสบในหัวใจแต่ละดวงโดยระบุเกณฑ์ความเข้มของภาพในภาพ MR และ PET และตรวจสอบบริเวณเหล่านี้เทียบกับรายงานของนักรังสีวิทยา ระบุบริเวณที่เกิดพังผืดและการอักเสบ นักวิจัยได้ลงทะเบียนภาพ/ปริมาตรของ MR และ PET โดยใช้เทคนิคหลักและข้อมูลร่วมกัน
ถัดไป บริเวณของการเกิดพังผืดและการอักเสบในแบบจำลอง
ส่วนบุคคลแต่ละแบบถูกเติมด้วยเซลล์หัวใจที่มีคุณสมบัติผิดปกติ จากนั้นนักวิจัยได้ศึกษาในเชิงลึกแบบจุดต่อจุดว่าพังผืดและการอักเสบส่งผลต่อการเต้นของหัวใจอย่างไรโดยการกระตุ้นหัวใจแต่ละแบบจำลองด้วยสัญญาณไฟฟ้าขนาดเล็กจำนวนมหาศาล พวกเขาตรวจสอบผลลัพธ์ของแบบจำลองด้วยข้อมูลการระเหยทางคลินิก
“จำนวนแบบจำลองหัวใจของผู้ป่วยที่นี่ – สี่สิบห้า – ที่พัฒนาขึ้นสำหรับการประเมินความน่าจะเป็นของหัวใจเต้นผิดจังหวะนั้นใหญ่ที่สุดในการศึกษาการสร้างแบบจำลองหัวใจเฉพาะผู้ป่วยจนถึงปัจจุบันและนำมาซึ่งความพยายามและการลงทุนมหาศาล” Trayanova ผู้เขียนอาวุโสกล่าว ในการศึกษา “เราทำงานร่วมกับทีมแพทย์ ซึ่งเพิ่มมูลค่ามหาศาลให้กับการศึกษาครั้งนี้”
การทำนายภาวะหัวใจล้มเหลวโดยใช้ลักษณนาม
แบบจำลองหัวใจส่วนบุคคลของผู้ป่วย Sarcoidosis สามารถทำนายได้อย่างแม่นยำพอสมควรซึ่งหัวใจมีแนวโน้มที่จะพัฒนาความผิดปกติของการเต้นของหัวใจ อย่างไรก็ตาม ข้อมูลเหล่านี้ไม่ได้คำนึงถึงข้อมูลทางคลินิกของผู้ป่วยรายอื่นๆ ซึ่งในโรคที่ซับซ้อน เช่น โรคซาร์คอยด์ อาจให้ค่าพยากรณ์เพิ่มเติม ดังนั้น เมื่อมีการสร้างและตรวจสอบแบบจำลองหัวใจแล้ว Shade ได้ใช้ตัวจำแนกประเภทภายใต้การดูแลเพื่อระบุว่าผู้ป่วยรายใดมีความเสี่ยงต่อการเสียชีวิตด้วยโรคหัวใจกะทันหันอันเนื่องมาจากภาวะหัวใจเต้นผิดจังหวะ เธอฝึกฝน ทดสอบ และตรวจสอบตัวจำแนกประเภทตามผลการสร้างแบบจำลองเฉพาะบุคคล ตลอดจนข้อมูล MRI และ PET เพิ่มเติม และข้อมูลทางคลินิกที่ได้รับย้อนหลังจากผู้ป่วย 45 รายที่โรงพยาบาล Johns Hopkins
ตัวจำแนกเฉดสี (ความไว 60%, ความจำเพาะ 72%, พื้นที่ใต้เส้นโค้ง 0.754) มีประสิทธิภาพดีกว่าตัวชี้วัดทางคลินิกแบบดั้งเดิม (ความไวและความจำเพาะไม่เกิน 38%) Shade ตั้งข้อสังเกตว่าแม้ว่าขนาดกลุ่มตัวอย่างในการศึกษาของพวกเขาจะเล็กจากมุมมองของแมชชีนเลิร์นนิง แต่ขนาดใหญ่จากมุมมองของการสร้างแบบจำลอง
“ผลการตรวจสอบของเราแข็งแกร่งกว่าผลการทดสอบ แต่ผลการทดสอบก็ไม่เลว” เชดกล่าว “ฉันคิดว่าเหตุผล [ประสิทธิภาพที่ดีแม้จะมีขนาดตัวอย่างน้อย] ก็คือคุณสมบัติส่วนใหญ่หรือหลายอย่างในตัวแยกประเภทการเรียนรู้ของเครื่องนั้นขึ้นอยู่กับความเข้าใจทางกลไกว่าหัวใจของผู้ป่วยทำงานอย่างไร… เราไม่ได้ให้ [ตัวแยกประเภท] คุณสมบัติที่ไม่มีความหมายทางชีวฟิสิกส์”
“การผสมผสานการทำงานร่วมกันของแบบจำลองกลไกและการเรียนรู้ของเครื่องที่ [เราพัฒนาขึ้นใน] การศึกษานี้มีความพิเศษ” Trayanova กล่าวเสริม “การรวมคุณสมบัติจากผลลัพธ์ของการสร้างแบบจำลองกลไกในลักษณนามการเรียนรู้ของเครื่องช่วยให้สามารถตีความการคาดการณ์ได้ เป็นตัวอย่างให้เห็นถึงวิธีเอาชนะความกังวลเกี่ยวกับการตัดสินใจทางคลินิกที่ได้รับแจ้งโดยอัลกอริธึม ‘กล่องดำ'” เว็บตรง / บาคาร่าเว็บตรง
