Search

Η πρώιμη έρευνα υποδεικνύει ελπιδοφόρα χρήση της τεχνητής νοημοσύνης για την πρόβλεψη του κινδύνου καρδιακής προσβολής ή εγκεφαλικού επεισοδίου με τη χρήση μιας μόνο ακτινογραφίας θώρακα

Οι πρώτες έρευνες δείχνουν μια πολλά υποσχόμενη χρήση της τεχνητής νοημοσύνης για την πρόβλεψη του 10ετούς κινδύνου θανάτου από καρδιακή προσβολή ή εγκεφαλικό επεισόδιο από μια απλή ακτινογραφία θώρακα.

Τα προκαταρκτικά ευρήματα παρουσιάστηκαν την Τρίτη 29 Νοεμβρίου 2022 στο ετήσιο συνέδριο της Ακτινολογικής Εταιρείας της Βόρειας Αμερικής. Η έρευνα βρίσκεται στο τελικό στάδιο της επεξεργασίας και δεν έχει υποβληθεί για δημοσίευση σε ιατρικό περιοδικό.

Οι ερευνητές χρησιμοποίησαν σχεδόν 150.000 ακτινογραφίες θώρακος για να εκπαιδεύσουν ένα πρόγραμμα τεχνητής νοημοσύνης για τον εντοπισμό μοτίβων στις εικόνες που σχετίζονται με τον κίνδυνο από μείζονα περιστατικά καρδιαγγειακής νόσου. Δοκίμασαν το πρόγραμμα σε μια ξεχωριστή ομάδα περίπου 11.000 ατόμων και διαπίστωσαν “σημαντική συσχέτιση” μεταξύ του επιπέδου κινδύνου που προέβλεπε η τεχνητή νοημοσύνη και της πραγματικής εμφάνισης ενός σημαντικού περιστατικού καρδιαγγειακής νόσου.

Το κλινικό πρότυπο για την ανάλυση του κινδύνου από καρδιαγγειακά νοσήματα είναι η βαθμολογία κινδύνου αθηρωματικής καρδιαγγειακής νόσου (ASCVD), είναι ένας υπολογιστής που σταθμίζει διάφορα σημεία δεδομένων του ασθενούς που έχει βρεθεί ότι έχουν υψηλή συσχέτιση με δυσμενή καρδιαγγειακά συμβάντα, όπως η ηλικία, η αρτηριακή πίεση και το ιστορικό καπνίσματος.

Η φαρμακευτική αγωγή με στατίνες συνιστάται σε άτομα με 10ετή κίνδυνο 7,5% ή υψηλότερο. Το μοντέλο τεχνητής νοημοσύνης χρησιμοποιεί τα ίδια όρια κινδύνου με τον καθιερωμένο υπολογιστή κινδύνου και τα πρώτα ευρήματα δείχνουν ότι λειτουργεί εξίσου καλά.

“Έχουμε αναγνωρίσει εδώ και καιρό ότι οι ακτινογραφίες καταγράφουν πληροφορίες πέρα από τα παραδοσιακά διαγνωστικά ευρήματα, αλλά δεν έχουμε χρησιμοποιήσει αυτά τα δεδομένα επειδή δεν είχαμε ισχυρές, αξιόπιστες μεθόδους”, δήλωσε ο Δρ Τζέικομπ Βάις, επικεφαλής ερευνητής και ακτινολόγος που συνδέεται με το Γενικό Νοσοκομείο της Μασαχουσέτης και το πρόγραμμα AI in Medicine στο Νοσοκομείο Brigham and Women’s της Ιατρικής Σχολής του Χάρβαρντ.

Τα συνδυαστικά “πολυχάπια” μπορούν να βοηθήσουν στην επίλυση των παγκόσμιων καρδιακών προβλημάτων, λένε οι ειδικοί, αν περισσότεροι άνθρωποι μπορούν να τα πάρουν. Μερικές φορές, τα ευρήματα της ΤΝ ευθυγραμμίζονται με μια παραδοσιακή ακτινολογική ανάγνωση, αλλά άλλες φορές, εντοπίζει πράγματα που μπορεί να έχουν διαφύγει, είπε.

“Μέρος αυτών είναι ανατομικές αλλοιώσεις που θα εντοπίζαμε και με γυμνό μάτι και που έχουν φυσιολογικό νόημα. Ας πούμε ότι υπάρχει αυξημένη αρτηριακή πίεση ή καρδιακή ανεπάρκεια – αυτά είναι ευρήματα που μπορούμε να εντοπίσουμε και σε μια κανονική ακτινογραφία θώρακα. Αλλά νομίζω ότι πολλές από τις πληροφορίες που συλλαμβάνονται ή εξάγονται είναι κάπου ενσωματωμένες στη σάρωση, αλλά δεν μπορούμε να τις κατανοήσουμε ως παραδοσιακά εκπαιδευμένοι ακτινολόγοι από τώρα”, δήλωσε ο Weiss.

“Έχει αυτόν τον χαρακτήρα του μαύρου κουτιού”, είπε, γεγονός που μπορεί μερικές φορές να καθιστά δύσκολη την επικοινωνία του κινδύνου στους ασθενείς χωρίς να υπάρχει μια εξήγηση που να μπορεί να εντοπιστεί.

Ο Dr. Donald Lloyd-Jones, πρόεδρος της προληπτικής ιατρικής στην Ιατρική Σχολή Feinberg του Πανεπιστημίου Northwestern και πρώην πρόεδρος της Αμερικανικής Καρδιολογικής Εταιρείας, ήταν συμπρόεδρος της ομάδας αξιολόγησης κινδύνου όταν δημιουργήθηκε ο υπολογιστής κινδύνου ASCVD το 2013 και βασικός παράγοντας το 2018, όταν οι κατευθυντήριες γραμμές ενημερώθηκαν για να δοθεί έμφαση στη σχέση μεταξύ της βαθμολογίας κινδύνου και του προσωπικού ιατρικού ιστορικού.

Πολλοί ασθενείς σταματούν τη λήψη στατινών λόγω μυϊκού πόνου, αλλά οι στατίνες δεν τον προκαλούν, σύμφωνα με νέα μελέτη. Ο ίδιος δεν συμμετείχε στη νέα έρευνα για την τεχνητή νοημοσύνη, αλλά λέει ότι είναι σημαντικό να συνεχίσει ο τομέας να κινείται προς τα εμπρός. “Αυτό είναι ακριβώς το είδος της εφαρμογής για την οποία η τεχνητή νοημοσύνη είναι η καλύτερη”, δήλωσε. “Έτσι, πρέπει να συνεχίσουμε να κάνουμε πράγματα όπως αυτό για να καταλάβουμε πραγματικά αν μπορούμε να βρούμε, ιδιαίτερα, ασθενείς που διαφορετικά θα γλιστρούσαν μέσα από τις ρωγμές. Νομίζω ότι εκεί μπορεί να είναι πιο χρήσιμη”.

Ωστόσο, η συλλογή όλων των σημείων δεδομένων των ασθενών που μπαίνουν στον καθιερωμένο υπολογιστή κινδύνου εξακολουθεί να είναι κρίσιμη – επειδή μπορούν να αναλάβουν δράση. Και είτε ο κίνδυνος υπολογίζεται με τη χρήση ενός στατιστικού τύπου είτε ενός μοντέλου τεχνητής νοημοσύνης, τα πιο επιτυχημένα αποτελέσματα θα εξακολουθήσουν να απαιτούν εξατομικευμένες αξιολογήσεις των ασθενών.

“Δεν θεραπεύουμε το κάπνισμα με μια ακτινογραφία θώρακος. Στην πραγματικότητα πρέπει να συνεργαστούμε με τον ασθενή για να βρούμε τρόπους να τον κάνουμε να σταματήσει το κάπνισμα”, δήλωσε ο Lloyd-Jones. “Ο υπολογιστής κινδύνου είναι ένα μέρος της εκτίμησης κινδύνου, αλλά δεν είναι το μόνο μέρος. Είναι μια διαδικασία που περιλαμβάνει τόσο τον ασθενή όσο και τον γιατρό σε μια συζήτηση σχετικά με το ποιος είναι ο κίνδυνος του ασθενούς και πόσο πιστεύουμε ότι μια στατίνη θα τον βοηθούσε”.

Για την έρευνά τους, ο Weiss και οι συν-συγγραφείς εκπαίδευσαν την Τεχνητή Νοημοσύνη χρησιμοποιώντας ακτινογραφίες θώρακα από συμμετέχοντες στη δοκιμή διαλογής για τον καρκίνο του προστάτη, του πνεύμονα, του παχέος εντέρου και των ωοθηκών του Εθνικού Ινστιτούτου Καρκίνου. Δοκιμάστηκε σε άτομα που έκαναν εξωνοσοκομειακή ακτινογραφία θώρακα ρουτίνας στο Mass General Brigham και ήταν δυνητικά επιλέξιμοι για θεραπεία με στατίνες, με μέσο όρο ηλικίας τα 60 έτη. Απαιτείται πρόσθετη έρευνα, συμπεριλαμβανομένης μιας ελεγχόμενης τυχαιοποιημένης δοκιμής, για την επικύρωση του μοντέλου βαθιάς μάθησης.

Επιμέλεια: Βίκυ Μπαφατάκη

Πηγή: https://edition.cnn.com/

Write a response

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *

Αυτός ο ιστότοπος χρησιμοποιεί το Akismet για να μειώσει τα ανεπιθύμητα σχόλια. Μάθετε πώς υφίστανται επεξεργασία τα δεδομένα των σχολίων σας.

Close
Your custom text © Copyright 2018. All rights reserved.
Close