利用机器学习改善心房颤动的管理

TTP plc (TTP),一个独立的技术和产品开发公司,已经宣布,它已经建立了一个与NHS高地和合作大学的苏格兰高地和岛屿,使用临床数据解释和机器学习算法来预测哪些患者心房颤动(AF)是能够成功地使用电击治疗(ECV)。

房颤是一种常见的心脏病,导致异常快速心率和不规则的节奏,从而导致重大的发病率(例如中风、心力衰竭)和死亡率。治疗方法包括药物和/或ECV,然而尽管发病率和死亡率与ECV可以显著减少,这是成功的一年,只有30%的病人。ECV过程也有风险,是昂贵的。因此,目前迫切需要预测哪些患者房颤最适合使用ECV治疗。使用远程可收集的数据成功预测治疗适用性变得特别有价值的地区,人口密度稀疏,治疗,病人可能经常长途旅行。

NHS高地和苏格兰高地和岛屿大学的共同努力,收集临床资料,包括心电图(ecg)、年龄、性别、并发症、药物和结果,所有这些都将匿名来源。TTP将分析和解释数据,使用这些信息来确定任何临床显著ECG-derived因素可能会影响短期和长期房颤ECV后结果。TTP还将使用数据快速原型和机器学习算法训练临床预测和风险评分。项目的输出有可能被期待被部署在临床设置如NHS危险分层/临床决策支持工具。

米歇尔·格里芬博士临床创新者TTP plc,说:“这个项目将利用TTP的医疗以及理解我们的技术能力,使我们能够获得新的生理的理解ECV作为房颤治疗的机制,以及为什么它工作或不工作在某些病人。我们很高兴被选为合作伙伴,期待着与英国国民健康保险制度和大学组。”

教授史蒂夫·莱斯利顾问心脏病专家,NHS高地,评论道:“目前,决定是否继续ECV是基于不同因素,可以很主观。有明显的以证据为基础的测试需要帮助指导医生治疗房颤时,改善病人的结果,NHS减少不必要的负担。”

NHS高地和苏格兰高地和岛屿大学的研究小组已经收到了£15 k通过拨款资助项目协作校园挑战基金,企业提供的高地和岛屿。