Боль в груди является основной причиной обращения в отделения неотложной помощи во всем мире. Однако среди пациентов с характерными симптомами только у 5– 25 % в конечном итоге диагностируется острый инфаркт миокарда или им требуется немедленное лечение. Выявление лиц с низким риском инфаркта миокарда, которым не нужна госпитализация, либо возможна ранняя выписка, представляет больший интерес. Современный алгоритм раннего исключения ИМ предполагает, помимо оценки клинической картины, анамнеза и ЭКГ, определение высокочувствительного тропонина в центральной лаборатории, что требует, как минимум, доставки пациента в клинику. (NB: у пациентов с ОКС с подъемом сегмента ST или ОКС без подъема ST очень высокого риска первоначальная тактика не должна зависеть от уровня тропонина). На основании машинного обучения разработаны и валидированы различные алгоритмы для раннего исключения ИМ. Среди них персонализированный алгоритм ARTEMIS, который объединяет значения hs-cTn с обычными клиническими переменными для оценки индивидуальной вероятности инфаркта миокарда (его можно применять с многочисленными доступными анализами hs-cTn). Алгоритм разработан для исключения ИМ 1 и 2 типов. Авторы обсуждаемого ниже исследования тестировали возможность имплементации в этот алгоритм hs-cTn, определенного портативным устройством «в месте оказания медицинской помощи» (POC). Предполагается, что такой алгоритм может существенно упростить исключение ИМ, в том числе, в регионах с труднодоступной медицинской помощью, особенно в удаленных районах.
В журнале Lancet: Digital Health опубликованы результаты сравнения стандартных алгоритмов исключения ИМ ESC и ACC (т.н. «диагностический путь с первым определением в/ч тропонина на нулевом часу», т.е. при первом контакте с пациентом) с алгоритмом ARTEMIS, где тропонин определяли «в месте оказания медицинской помощи» портативным устройством. Анализ проводился ретроспективно с использованием данных 2 когортных исследований. В исследования не включались пациенты с ИМ с подъемом ST.
Среди 2560 пациентов c подозрением на ОКС ИМ был подтвержден у 6,5% участников. Алгоритм ARTEMIS-POC классифицировал 899 пациентов (35,1%) как подходящих для быстрого исключения с отрицательной прогностической ценностью 99,96% (95% ДИ 99,64–99,96) и чувствительностью 99,68% (97,21–99,70). Для инфаркта миокарда I типа отрицательная прогностическая ценность и чувствительность составили 100%. Доли пропущенного индексного инфаркта миокарда (0,05% [0,04–0,42]) и неблагоприятных событий в течение последующих 30 дней (0,07% [95% ДИ 0,06–0,59]) были низкими. Алгоритм ARTEMIS-POC выявил более чем в два раза больше пациентов, подходящих для прямого исключения, по сравнению с рекомендуемыми алгоритмами ESC 0 ч (15,2%) и ACC 0 ч (13,8%). Эффективность сохранялась во всех клинически значимых подгруппах.
Таким образом, алгоритм ARTEMIS-POC для поддержки принятия врачебных решений, применяемый с одним измерением POC hs-cTnI, позволяет очень быстро, безопасно и более эффективно напрямую исключить инфаркт миокарда, чем рекомендуемые в настоящее время стандартные алгоритмы. Это может ускорить безопасную выписку пациентов с низким уровнем риска из отделения неотложной помощи, а также открыть новые возможности для сортировки пациентов с подозрением на инфаркт миокарда даже в амбулаторных, доклинических или географически изолированных условиях оказания помощи.
По материалам:
Toprak, BetülStephensen, Laura et al. Diagnostic accuracy of a machine learning algorithm using point-of-care high-sensitivity cardiac troponin I for rapid rule-out of myocardial infarction: a retrospective study. The Lancet Digital Health, Volume 6, Issue 10, e729 - e738