Biorąc pod uwagę trudności związane ze stratyfikacją ryzyka pacjentów poddawanych usunięciu elektrod TA Boyle i RG Carrillo postanowili sprawdzić przydatność sieci neuronowych w ocenie wyniku tego typu zabiegów.
Sieć neuronowa początkowo zostaje nauczona bazy danych z wieloma zmiennymi i wynikami. Na tej podstawie program komputerowy ocenia prawdopodobieństwo pożądanego celu w nowym przypadku. W przeciwieństwie do wskaźników ryzyka opisywanych w badaniach klinicznych, sieć neuronowa może oceniać nieliniowe związki i liczne interakcje między zmiennymi.
Do badania wykorzystano sieć neuronową openANN i NeuralEditor, której przedstawiono dane z 1428 zabiegów usuwania elektrod z jednego ośrodka. Następnie wybrano 50 przypadków, w których oceniono przydatność sieci neuronowej w predykcji małych i dużych powikłań zdefiniowanych zgodnie z wytycznymi HRS 2009. W każdym przypadku sieć neuronowa podawała prawdopodobieństwo wystąpienia powikłania między 0 a 1.
Podczas zabiegów 50 pacjentów, w 3 przypadkach wystąpiły powikłania. Sieć neuronowa skutecznie zaklasyfikowała wynik zabiegu w 43 z 50 przypadków (86%). Czułość wykrywania powikłań wyniosła 66,7%, swoistość ? 87,2%, a pole pod krzywą operatora 0,688.
Podsumowując, sztuczna sieć neuronowa może zostać użyta do oceny wyników usuwania elektrod. Tego typu narzędzie po dodaniu danych z innych ośrodków może stanowić bardzo czułe i swoiste narzędzie do oceny powikłań po usuwaniu elektrod.
Oprac. na podstawie P1237 Ann artificial neural network for predicting outcomes in lead extraction. T Boyle, RG Carrillo P Europace, Volume 20, Issue suppl_1, 1 March 2018, Pages i244, doi:10.1093/europace/euy015.718.
