1. Het machine learning-team van Amazon geeft aan dat dit team een unieke ML-oplossing heeft ontwikkeld die het risico op SCA in pediatrische screening-ECG's kan identificeren en dat de interpretatietool van Ainthoven de prestaties op menselijk niveau overtreft.
2. Een plotselinge hartstilstand is de belangrijkste doodsoorzaak onder student-atleten en de voornaamste doodsoorzaak op schoolcampussen.
3. Elk jaar sterven duizenden ogenschijnlijk gezonde studenten onverwacht aan onopgemerkte hartaandoeningen die hun risico op SCA vergroten.
Op de ochtend van 30 november 2007 lag Rafe Maccarone op het gras om even op adem te komen tussen de warming-up rondjes tijdens de voetbaltraining op school. Terwijl de rest van zijn team zich uitrekte en herstelde, bleef Rafe liggen. Toen het team merkte dat Rafe bewusteloos was, renden ze naar hem toe, maar het was te laat. Rafe had een levensbedreigende, ongediagnosticeerde hartaandoening en een plotselinge hartstilstand was zijn eerste symptoom. Rafe overleed op 1 december 2007, slechts enkele dagen voor zijn zestiende verjaardag.
Een plotselinge hartstilstand (SCA) is de belangrijkste doodsoorzaak onder studentatleten en de voornaamste doodsoorzaak op schoolcampussen . Elk jaar overlijden duizenden ogenschijnlijk gezonde studenten onverwacht aan ongediagnosticeerde hartaandoeningen die hun risico op een plotselinge hartstilstand verhoogden.
Om Rafe's nagedachtenis te eren en te voorkomen dat deze tragedie andere jonge atleten overkomt, heeft een groep van Rafe's teamgenoten de non-profitorganisatie Who We Play For (WWPF) opgericht. WWPF zet zich in voor de preventie van een hartstilstand door middel van het plaatsen van een automatische externe defibrillator (AED), reanimatietraining (CPR) en hartonderzoeken, waaronder goedkope elektrocardiogrammen (ECG's) die worden uitgevoerd door artsen die gespecialiseerd zijn in de interpretatie van ECG's bij kinderen. ECG's zijn het meest effectieve middel om jongeren met een verhoogd risico op een hartstilstand te identificeren en sporen tot 95% van de dodelijke hartaandoeningen op. Tot nu toe heeft WWPF samengewerkt met meer dan 500 sportprogramma's in de VS, waardoor meer dan 200,000 jonge atleten zijn gescreend op een hartstilstand en honderden levens zijn gered.
Ondanks dit succes constateerde het WWPF-team een beperking in hun vermogen om dit programma verder op te schalen. Hoewel ECG's effectief zijn gebleken voor het identificeren van plotselinge hartstilstand en in andere landen veel worden gebruikt voor dat doel, is slechts een klein aantal medische professionals in de VS vertrouwd met het interpreteren van pediatrische screening-ECG's; nog minder zijn experts in het identificeren van onderliggende aandoeningen die kunnen leiden tot plotselinge hartstilstand bij pediatrische patiënten. Dit gebrek aan beschikbaarheid om ECG-resultaten te interpreteren, betekent dat minder jongeren de levensreddende informatie kunnen krijgen die ze nodig hebben. Maar zou een machine learning (ML)-model getraind kunnen worden om deze resultaten te interpreteren?
Dat was de vraag die WWPF wilde beantwoorden. WWPF werkte samen met Amazon Web Services (AWS) om een schaalbare ML-oplossing te ontwikkelen die de kans op SCA-screening voor elke jongere vergroot, hun inspanningen opschaalt en mogelijk elk jaar vele levens redt.
WWPF is een samenwerking met AWS aangegaan via het Health Equity Initiative , een programma waarbij AWS 40 miljoen dollar heeft vrijgemaakt voor het verstrekken van computerkredieten en technische expertise om de gezondheidszorg voor achtergestelde en ondervertegenwoordigde gemeenschappen te verbeteren. Als onderdeel van het programma heeft AWS WWPF AWS-promotiekredieten en technische ondersteuning van het AWS Professional Services (AWS ProServe)-team geboden om hen te helpen hun visie te realiseren.
WWPF wilde een screeningtool ontwikkelen die standaard ECG-rapporten kon lezen om artsen die niet bekend zijn met het interpreteren van pediatrische ECG's te helpen bij het identificeren van risicosignalen voor plotselinge hartstilstand zonder dat hiervoor extra apparatuur of een directe verbinding met ECG-apparaten nodig was. AWS ProServe verbond WWPF met een team van datawetenschappers die samenwerkten met de technologen en deskundige pediatrische cardiologen van WWPF om de ECG-screeningprocessen te begrijpen. Dit team creëerde een unieke ML-oplossing die het risico op plotselinge hartstilstand in pediatrische screening-ECG's kon identificeren.
AWS en WWPF werkten samen om het idee te verfijnen en ontwikkelden een nieuwe, tweestaps machine learning-oplossing die gebruikmaakt van de kracht van Amazon SageMaker . Eerst werden de ECG-sporen "gedigitaliseerd" door ze uit afbeeldingen van ECG-rapporten te extraheren met behulp van traditionele computervisie-technieken. Vervolgens bouwden ze een deep learning-model om de geëxtraheerde sporen te verwerken en de risico-indicatoren voor een plotselinge hartstilstand te identificeren. Deze oplossing stelde WWPF in staat om experimenten en modelprestaties te maximaliseren en tegelijkertijd de kosten te minimaliseren, waardoor ze hun missie konden bereiken om deze oplossing op te schalen naar zoveel mogelijk jonge atleten in de VS en wereldwijd.
Het volgende diagram (Figuur 1) toont de oplossing die is ontwikkeld door het WWPF en het AWS-team.
Figuur 1. Architectuurdiagram voor de ontwikkelomgeving voor het pediatrische SCA-model, dat in de volgende sectie nader wordt toegelicht.
De door het team ontwikkelde oplossing begon met een data lake voor de ECG-gegevens, bestaande uit volledige ECG-beelden en gedigitaliseerde traceringen, op Amazon Simple Storage Service (Amazon S3) . Het team gebruikte een SageMaker-proces om het digitaliseringsproces in bulk toe te passen en zo de ECG-traceringen uit de ECG-documenten te extraheren. Met de beschikbare gegevens ontwikkelde het team een deep learning-model voor SCA (plotselinge hartstilstand) met behulp van de SageMaker PyTorch SDK en AWS Deep Learning Containers , waardoor snel geëxperimenteerd kon worden met minimale beheerkosten. Het team integreerde dit model met SageMaker Serverless Inference om een kostengeoptimaliseerde en schaalbare oplossing te bieden bij implementatie. De prestaties van het model werden gemeten met behulp van de sensitiviteits- en specificiteitsmetrieken, die de nauwkeurigheid van het model bij het identificeren van ECG's met een hoog en laag risico op SCA respectievelijk aangeven. Dankzij hun modelleringsinspanningen produceerde het team een deep learning-model met een sensitiviteit van 78 procent en een specificiteit van 90 procent, waarmee het de menselijke vaardigheid voor het beoordelen van pediatrische ECG's benadert.
Om het SCA ML-model verder te verbeteren, creëerde het team een pipeline waarmee cardiologen van WWPF de voorspellingen van het model konden beoordelen met Amazon Augmented AI (Amazon A2I) . Met deze tool beoordeelden deskundige kinder-elektrofysiologen en cardiologen van WWPF de voorspellingen van het model en gaven ze cruciale feedback aan het modelontwikkelingsteam. Na gebruik te hebben gemaakt van Amazon A2I om de voorspellingen van het model te beoordelen en het model te verbeteren op basis van de medische observaties van WWPF, behaalden het AWS- en WWPF-team een sensitiviteit en specificiteit van meer dan 93 procent, waarmee ze de prestaties van mensen overtroffen. Met deze resultaten is het WWPF-team een grote stap dichterbij om elke jonge atleet de kans te geven zich te laten screenen op SCA met behulp van een ECG en zo duizenden sterfgevallen per jaar in de VS alleen al te voorkomen.
De resultaten van het pediatrische SCA-interpretatiemodel, aangestuurd door machine learning, overtroffen de verwachtingen. WWPF werkt aan verdere verbetering van de prestaties van het model om deze tool beschikbaar te maken voor medische praktijken in de VS en wereldwijd. Het WWPF-team werkt samen met partnerinstellingen om nog meer ECG-gegevens te verzamelen en hun data lake uit te breiden. Dit maakt verdere verbetering van het risicovoorspellingsmodel mogelijk en zorgt ervoor dat verschillende onderliggende hartaandoeningen beter worden weergegeven. Het WWPF-team wil ook het gebruik van Amazon A2I uitbreiden om de mogelijkheden van het model verder te vergroten door de samenwerking tussen AI en experts op het gebied van menselijke expertise volledig te benutten om resultaten te behalen op ongekende schaal en nauwkeurigheid. Tot slot zal toekomstig werk gebruikmaken van het tweefasenontwerp van de oplossing om te onderzoeken hoe de directe trace-feeds van ECG-apparaten en de nieuwste generatie FDA-goedgekeurde ECG-sensoren op sommige smartwatches kunnen worden benut om risicosignalen van SCA nauwkeuriger en eerder te detecteren.
Het AWS Health Equity Initiative ondersteunt applicaties die de kracht van de cloud benutten om cultureel responsieve oplossingen te ontwikkelen die de toegang tot gezondheidszorg vergroten; ongelijkheden verminderen door sociale determinanten van gezondheid aan te pakken; data gebruiken om rechtvaardige en inclusieve zorgsystemen te bevorderen; en gelijkheid in diagnostiek en screening bevorderen. Lees meer over hoe AWS non-profitorganisaties ondersteunt op de AWS for Nonprofits hub.
Cenfluence richt organisaties op binnen een formele clusterstructuur met alle voordelen die clusteractiviteiten bieden, wat resulteert in uitgebreide economische kansen en meer werkgelegenheid voor Centraal-Florida. We werken samen met lokale organisaties (clusterleden) om synergieën binnen de clustergemeenschap, bestaande regionale sterke punten en een gerenommeerd wereldwijd netwerk te benutten om in te spelen op de specifieke behoeften van bedrijven in Centraal-Florida.