Met een op kunstmatige intelligentie (AI) gebaseerd risicostratificatiemodel kunnen patiënten met acuut hartfalen met een grotere kans op slechtere uitkomsten worden opgespoord. Het gebruik van AI kan daarnaast de zorg voor patiënten met acuut hartfalen helpen verbeteren na ontslag uit het ziekenhuis.
Over het gebruik van een op AI gebaseerd risicostratificatiemodel voor patiënten met acuut hartfalen (HF) zijn nog maar weinig data beschikbaar. In deze studie hebben onderzoekers getracht een op AI gebaseerd scoresysteem voor risicostratificatie te ontwikkelen voor de 30-daagse mortaliteit bij patiënten die in het ziekenhuis waren opgenomen wegens acuut HF.
Hiertoe werd een retrospectief register samengesteld van patiënten die tussen juli 2017 en juni 2019 wegens acuut HF in een centrum in Thailand waren opgenomen. In totaal werden met behulp van gesuperviseerde machine learning methoden van AI 9 voorspellende factoren geïdentificeerd die verband hielden met een hoge 30-daagse mortaliteit. Vervolgens werd een scoresysteem voor risicostratificatie ontwikkeld waarbij aan elke factor 1 punt werd toegekend (de totale score was dus 9). De 30-daagse mortaliteit werd in elke scoregroep gerapporteerd en de patiënten werden gestratificeerd naar een laag (score 0-1), een gemiddeld (score 2-3) en een hoog risico (score ≥ 4).
Aan deze studie namen 759 patiënten deel die in het ziekenhuis waren opgenomen wegens acuut HF. Als voorspellende factoren werden geïdentificeerd: leeftijd ≥ 70 jaar, serumnatrium < 130 mEq/l, een voorgeschiedenis van ziekenhuisopname wegens HF, cirrose, geen hypertensie, nierziekte in het eindstadium, cardiale re-synchronisatietherapie (CRT)-D-implantatie, implanteerbare cardioverter defibrillator (ICD)-implantatie en atriumfibrilleren. De gemiddelde score bij patiënten met een laag risico was 0,71, bij een gemiddeld risico 2,46 en bij een hoog risico 4,23. De hoogrisicopatiënten hadden een significant hogere mortaliteit binnen 30 dagen dan de gemiddeld risicopatiënten (OR 2,21) en de laagrisicopatiënten (OR 2,20).
Bron:
Lorlowhakarn K, Osotthanakorn T, Petchlorlian A, et al. Artificial intelligence-based risk stratification model for patients hospitalized for acute heart failure. HF Congress 2024.