Oxford AI открива ранен риск от сърдечна недостатъчност от рутинни компютърни томографии с 86% точност при 72 000 пациенти
Накратко
Изследователи от Оксфордския университет са разработили система с изкуствен интелект, която открива фини, невидими промени в сърдечната мазнина от рутинни компютърни томографии, предсказвайки риска от сърдечна недостатъчност до пет години напред с 86% точност при 72 000 пациенти.
Изследователи от Университета в Оксфорд са разработили система с изкуствен интелект, която може да оцени риска от развитие на сърдечна недостатъчност при пациента до пет години предварително, постигайки 86% точност при валидиране при повече от 72 000 пациенти. Подходът не изисква допълнителни тестове, специализирана намеса или ново медицинско оборудване, тъй като разчита на сърдечни компютърни томографии, които вече се извършват рутинно в клиничната практика.
Работата, ръководена от професор Хараламбос Антониадес и публикувана в Journal of the American College of Cardiology, разглежда дългогодишно ограничение в кардиологията: сърдечната недостатъчност обикновено се диагностицира едва след като вече са настъпили значителни структурни увреждания, като в този момент превантивните възможности често са ограничени. Предложената система насочва вниманието към ранните биологични промени, които предшестват видимите симптоми с няколко години.
В центъра на модела е нестандартен източник на данни: мазнината около сърцето, известна като перикардна мастна тъкан. Макар традиционно да се пренебрегва при рутинния анализ на сканиране, тази тъкан изглежда отразява основните възпалителни и метаболитни промени, настъпващи в самия сърдечен мускул.
Според изследователите, тези мастни натрупвания постепенно променят текстурата си в отговор на стрес в сърдечно-съдовата система, създавайки модели, които не се откриват чрез стандартната човешка интерпретация на резултатите от образната диагностика. Системата с изкуствен интелект е проектирана да идентифицира тези фини вариации и да ги превърне в количествена оценка на риска от бъдеща сърдечна недостатъчност.
Четене на сигнали, които човешкото око не може да види
Компютърната томография на сърцето се използва широко в Националната здравна служба на Обединеното кралство за изследване на болка в гърдите и оценка на коронарна артериална болест, като годишно се извършват стотици хиляди сканирания. В типичните клинични работни процеси рентгенолозите се фокусират предимно върху артериални запушвания и видими аномалии, докато околната мастна тъкан получава ограничено аналитично внимание.
Оксфордският модел пренасочва този пренебрегван слой данни, като анализира текстурни характеристики в перикардната мазнина. Използвайки техники за машинно обучение, обучени върху анонимизирани КТ данни от повече от 59 000 пациенти от Националната здравна служба (NHS), системата се е научила да свързва специфични модели на изображение с по-късно развитие на сърдечна недостатъчност в продължение на дългосрочни периоди на проследяване.
При валидационни тестове, включващи 13 424 допълнителни пациенти, моделът е показал 86% точност при прогнозиране на петгодишния риск от сърдечна недостатъчност. Установено е, че лицата, класифицирани в групата с най-висок риск, са приблизително 20 пъти по-склонни да развият състоянието, отколкото тези в най-ниската категория, с приблизителна вероятност от едно към четири за поява в рамките на пет години.
Важно е, че системата генерира оценки на риска автоматично, без да изисква ръчно въвеждане от клиницистите. Това я позиционира като потенциален инструмент за подпомагане на вземането на решения, а не като заместител на съществуващите диагностични процеси.
От сърдечни сканирания до всяка компютърна томография на гръдния кош — и път към Националната здравна служба (NHS)
По-широката амбиция на изследването е да разшири технологията отвъд сърдечно-специфичното изобразяване. Екипът в момента работи по адаптирането на модела за анализ на стандартни компютърни томографии на гръдния кош, включително тези, използвани при скрининг на рак на белия дроб и респираторна диагностика. Като се има предвид значително по-големият обем на компютърна томография на гръдния кош в сравнение със сърдечно-специфичните сканирания, подобна адаптация би могла значително да увеличи обхвата на системата.
Клинично, последиците са свързани с по-ранна интервенция. Чрез идентифициране на пациенти с висок риск години преди появата на симптомите, доставчиците на здравни услуги биха могли да коригират стратегиите за наблюдение, да започнат превантивни лечения по-рано и да приоритизират ресурсите по-ефективно. Тъй като сърдечната недостатъчност вече засяга повече от един милион души в Обединеното кралство, потенциалното въздействие върху дългосрочното търсене на здравни грижи е значително.
В момента се разработват планове за получаване на регулаторно одобрение за интегриране в рутинните работни процеси в радиологията в рамките на NHS. Ако бъде приета, системата ще работи във фонов режим на стандартни процедури за образна диагностика, като ще произвежда автоматизирани оценки на риска без допълнителни разходи или промяна в протоколите за сканиране.
Изследването е подкрепено от Британската фондация за сърце и Националния институт за изследване на здравето и грижите – Център за биомедицински изследвания в Оксфорд. То отразява по-широка промяна в медицинската образна диагностика, където изкуственият интелект се използва все по-често не само за откриване на съществуващи заболявания, но и за извеждане на бъдещ риск от фини, досега недостатъчно използвани биологични сигнали, вградени в рутинните сканирания.
Отказ от отговорност
В съответствие с Доверете се насоките на проекта, моля, имайте предвид, че предоставената на тази страница информация не е предназначена да бъде и не трябва да се тълкува като правен, данъчен, инвестиционен, финансов или каквато и да е друга форма на съвет. Важно е да инвестирате само това, което можете да си позволите да загубите, и да потърсите независим финансов съвет, ако имате някакви съмнения. За допълнителна информация предлагаме да се обърнете към правилата и условията, както и към страниците за помощ и поддръжка, предоставени от издателя или рекламодателя. MetaversePost се ангажира с точно, безпристрастно отчитане, но пазарните условия подлежат на промяна без предизвестие.
За автора
Алиса, всеотдаен журналист в MPost, специализира в криптовалути, изкуствен интелект, инвестиции и обширната сфера на Web3. С остър поглед към нововъзникващите тенденции и технологии, тя предоставя изчерпателно покритие, за да информира и ангажира читателите в непрекъснато развиващия се пейзаж на дигиталните финанси.
Още статии
Алиса, всеотдаен журналист в MPost, специализира в криптовалути, изкуствен интелект, инвестиции и обширната сфера на Web3. С остър поглед към нововъзникващите тенденции и технологии, тя предоставя изчерпателно покритие, за да информира и ангажира читателите в непрекъснато развиващия се пейзаж на дигиталните финанси.
