AI สามารถเรียนรู้ algorithm จาก ECG และทำนายความเสี่ยงเสี่ยชีวิตหลังการผ่าตัดทั้งหัวใจ ผ่าตัดส่วนอื่น ๆ และการทำหัตถการต่าง ๆ ได้ โดย AI สามารถจำแนกผู้ที่มีความเสี่ยงสูงได้ดีกว่าการใช้เครื่องมือ scoring system ในปัจจุบัน
การประเมินความเสี่ยงก่อนการทำหัตถการในปัจจุบัน ยังไม่เพียงพอต่อการทำนายความเสี่ยงต่อการสูญเสียชีวิตภายหลังการผ่าตัด ซึ่งการวิเคราะห์คลื่นไฟฟ้าหัวใจเชิงลึกด้วย AI สามารถช่วยแยกผู้ป่วยความเสี่ยงสูงออกมาได้มากขึ้น
David Ouyang และคณะ จากประเทศสหรัฐอเมริกา ได้ทำการตรวจสอบการทำนายความเสี่ยงการเสียชีวิตหลังผ่าตัดของการใช้ algorithm ที่มีชื่อว่า PreOpNet ซึ่งได้มาจากการให้ AI ได้เรียนรู้ข้อมูลจาก ECG ก่อนทำหัตถการ ไม่ว่าจะเป็นการผ่าตัดหัวใจ หรืออวัยวะอื่น ๆ การส่องกล้อง การใส่สายสวนต่าง ๆ เป็นต้น โดยมีผู้เข้าร่วมงานวิจัยอายุเฉลี่ย 65 ปี จำนวน 36,839 ราย ที่ได้ตรวจ ECG อย่างน้อย 1 ครั้งภายใน 30 วันก่อนทำหัตถการที่ Cedars-Sinai Medical Center (CSMC) ตั้งแต่ปี ค.ศ. 2015 – 2019 โดยผู้วิจัยเปรียบเทียบผลงานของ PreOpNet กับ Revised Cardiac Risk Index (RCRI) ที่ใช้ประเมินตามมาตรฐานก่อนการทำหัตถการ โดยใช้ Area under the receiver operating characteristic curve (AUC) ผลพบว่า PreOpNet ให้ AUC 0.83 ขณะที่ RCRI ให้ AUC ที่ 0.67 และผู้ที่ PreOpNet บ่งชี้ว่าเป็นผู้มีความเสี่ยงสูงจะมี odd ratio (OR) สำหรับอัตราเสียชีวิตหลังการผ่าตัด 8.83 ในขณะที่หากใช้ RCRI ที่มากกว่า 2 คะแนน ที่บ่งชี้ว่าเป็นกลุ่มที่มีความเสี่ยงสูงจะมี odd ratio (OR) สำหรับอัตราเสียชีวิตหลังการผ่าตัด 2.08
โดยสรุป การใช้ deep-learning algorithm จาก AI ตรวจสอบ ECG ก่อนการทำหัตถการภายใน 30 วัน สามารถช่วยทำนายความเสี่ยงการเสียชีวิตหลังการทำหัตถการได้ดีขึ้น ช่วยแยกผู้ที่มีความเสี่ยงสูง และอาจทำให้การดูแลก่อนผ่าตัด ระหว่างผ่าตัด และหลังผ่าตัดได้เหมาะสมตามความเสี่ยงมากขึ้นต่อไป
เรียบเรียงโดย พญ. นิษฐา ปรุงวิทยา
ข้อมูลจาก https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00220-0/fulltext
