AHA-ina nezavisna analiza pokazuje da bi EchoGo Heart Failure mogao otkriti HFpEF prosečno 263 dana ranije nego konvencionalna praksa. Modelovanje na 10.000 pacijenata tokom pet godina ukazuje na moguća 477 spašena života i do 1,9 miliona USD uštede za zdravstvene sisteme. Validacija izvedena uz podatke Dandelion Health povećava poverenje u primenu AI alata u kliničkim tokovima.
AHA: EchoGo AI Može Otkriti HFpEF Do 9 Meseci Ranije — 477 Spašenih Života i Do 1,9M USD Uštede
New AHA report highlights Ultromics’ AI tool’s benefit in earlier heart failure diagnosis
Izveštaj Američkog udruženja za srce (AHA) pokazuje da bi algoritam zasnovan na veštačkoj inteligenciji EchoGo Heart Failure kompanije Ultromics mogao da otkrije srčano zatajivanje sa očuvanom ejekcionom frakcijom (HFpEF) prosečno 263 dana ranije nego standardna klinička praksa.
Ključni nalazi
Modeliranje zasnovano na podacima za 10.000 pacijenata tokom pet godina ukazuje da bi rana dijagnoza pomoću EchoGo mogla dovesti do značajnog poboljšanja ishoda i ušteda: uštede do 1,9 miliona USD za zdravstveni sistem u razdoblju od pet godina (oko 1.800 USD po pacijentu) i procenjeno 477 spašenih života na 10.000 pacijenata.
Metodologija i validacija
AHA-ina analiza izvedena je kroz njihov nezavisni AI Assessment Lab, koristeći realne kliničke i slikovne podatke koje je obezbedila platforma Dandelion Health. Izveštaj se zasniva na modeliranim scenarijima i nezavisnoj proceni, što povećava kredibilitet nalaza pre implementacije u praksi.
Kako EchoGo radi
Ultromics, kompanija iz Oksforda, razvila je EchoGo da automatizuje analizu i merenja ehokardiograma uklanjanjem ručnog trasiranja. Time se standardizuju dijagnoze, smanjuje varijabilnost između operatera i olakšava prepoznavanje teško dijagnostikovanih stanja kao što su HFpEF i kardiovaskularna amiloidoza.
Zašto je ovo važno
HFpEF je posebno izazovan za dijagnostikovanje jer simptomi često nisu specifični i standardni testovi ponekad ne otkriju bolest u ranoj fazi. Procene pokazuju da 30–50% pacijenata nisu svesni da imaju srčano zatajivanje, a postojeća normalna referentna raspona često su bazirana na uzorcima belih muškaraca, što može dovesti do poddijagnostikovanja kod žena i osoba iz manjinskih etničkih grupa.
Roger Owens, glavni komercijalni direktor Ultromicsa: "AI dijagnostika je nova i zdravstveni sistemi traže jasne dokaze o načinu treniranja, validacije i integracije modela pre nego što im poveruju. AHA-ina nezavisna validacija pruža klinički relevantne dokaze zasnovane na nezavisnim podacima — to pomaže da se model premosti iz teorije u primenu. Za EchoGo Heart Failure, spoljašnja validacija je ključna za izgradnju institucionalnog poverenja: pokazuje da model radi dosledno na raznolikom skupu podataka, da se može koristiti uz procenu lekara i da je spreman da podrži donošenje odluka na većem nivou."
Zaključak: nezavisna AHA analiza ukazuje da automatizovana AI analiza ehokardiograma može ubrzati dijagnozu HFpEF, poboljšati ishode i smanjiti troškove. Sledeći koraci uključuju dalju kliničku integraciju, procenu implementacije u realnom svetu i praćenje performansi u različitim populacionim grupama.
Pomozite nam da budemo bolji.
