Oxfordská umělá inteligence detekuje riziko srdečního selhání v raném stádiu z rutinních CT vyšetření s přesností 86 % u 72 000 pacientů
Stručně
Výzkumníci z Oxfordské univerzity vyvinuli systém umělé inteligence, který detekuje jemné, neviditelné změny v srdečním tuku z běžných CT vyšetření a předpovídá riziko srdečního selhání až na pět let dopředu s 86% přesností u 72 000 pacientů.
Výzkumníci u University of Oxford vyvinuli systém umělé inteligence, který dokáže odhadnout riziko vzniku srdečního selhání u pacienta až na pět let dopředu, s přesností 86 % při validaci u více než 72 000 pacientů. Tento přístup nevyžaduje další testování, specializovaný zásah ani nové lékařské vybavení, protože se opírá o CT vyšetření srdce, která se již v klinické praxi běžně provádějí.
Práce vedená profesorem Charalambosem Antoniadesem a publikovaná v časopise Journal of the American College of Cardiology se zabývá dlouhodobým omezením v kardiologii: srdeční selhání je obvykle diagnostikováno až poté, co již došlo k významnému strukturálnímu poškození, v takovém případě jsou preventivní možnosti často omezené. Navrhovaný systém přesouvá pozornost k časným biologickým změnám, které předcházejí viditelným příznakům o několik let.
Ústředním bodem modelu je nekonvenční zdroj dat: tuk obklopující srdce, známý jako perikardiální tuková tkáň. Ačkoli je tato tkáň při rutinní analýze scintigrafií tradičně přehlížena, zdá se, že odráží základní zánětlivé a metabolické změny probíhající v samotném srdečním svalu.
Podle výzkumníků tyto tukové usazeniny postupně mění svou texturu v reakci na stres v kardiovaskulárním systému a vytvářejí vzorce, které nelze detekovat standardní lidskou interpretací zobrazovacích výsledků. Systém umělé inteligence je navržen tak, aby tyto jemné odchylky identifikoval a převedl je do kvantifikovaného odhadu rizika budoucího srdečního selhání.
Čtení signálů, které lidské oko nevidí
Zobrazování srdce CT se široce využívá v rámci britské Národní zdravotní služby k vyšetřování bolesti na hrudi a posouzení ischemické choroby srdeční, přičemž se ročně provádějí statisíce vyšetření. V typických klinických postupech se radiologové zaměřují především na arteriální blokády a viditelné abnormality, zatímco okolní tukové tkáni je věnována jen omezená analytická pozornost.
Oxfordský model tuto přehlíženou datovou vrstvu znovu využívá analýzou texturních prvků v perikardiálním tuku. Pomocí technik strojového učení, trénovaných na anonymizovaných CT datech od více než 59 000 pacientů NHS, se systém naučil spojovat specifické zobrazovací vzory s pozdějším rozvojem srdečního selhání v průběhu dlouhodobého sledování.
Ve validačním testování zahrnujícím dalších 13 424 pacientů model prokázal 86% přesnost v predikci rizika srdečního selhání v průběhu pěti let. U jedinců zařazených do skupiny s nejvyšším rizikem byla zjištěna přibližně 20krát vyšší pravděpodobnost vzniku tohoto onemocnění než u jedinců v nejnižší kategorii, s odhadovanou pravděpodobností nástupu do pěti let jedna ku čtyřem.
Důležité je, že systém generuje skóre rizika automaticky, aniž by vyžadoval ruční vstup od lékařů. Díky tomu se stává potenciálním nástrojem pro podporu rozhodování, nikoli náhradou stávajících diagnostických procesů.
Od srdečních vyšetření k jakémukoli CT hrudníku – a cesta k NHS
Širším cílem výzkumu je rozšířit technologii nad rámec zobrazování specifického pro srdce. Tým v současné době pracuje na adaptaci modelu pro analýzu standardních CT vyšetření hrudníku, včetně těch používaných při screeningu rakoviny plic a respirační diagnostice. Vzhledem k výrazně vyššímu objemu CT vyšetření hrudníku ve srovnání se skeny specifickými pro srdce by taková adaptace mohla podstatně zvýšit dosah systému.
Klinické důsledky souvisejí s včasnější intervencí. Identifikací vysoce rizikových pacientů roky před objevením se příznaků by poskytovatelé zdravotní péče mohli upravit strategie monitorování, zahájit preventivní léčbu dříve a efektivněji upřednostnit zdroje. Vzhledem k tomu, že srdeční selhání již postihuje více než milion lidí ve Spojeném království, je potenciální dopad na dlouhodobou poptávku po zdravotní péči značný.
V současné době probíhají plány na získání regulačního schválení pro integraci do běžných radiologických pracovních postupů v rámci NHS. Pokud bude systém přijat, bude fungovat na pozadí standardních zobrazovacích postupů a bude vytvářet automatizovaná hodnocení rizik bez dodatečných nákladů nebo změn ve skenovacích protokolech.
Výzkum podpořila Britská nadace pro srdce a Biomedicínské výzkumné centrum Národního institutu pro výzkum zdraví a péče v Oxfordu. Odráží širší posun v lékařském zobrazování, kde se umělá inteligence stále častěji využívá nejen k detekci stávajících onemocnění, ale také k odvozování budoucích rizik z jemných, dříve nedostatečně využívaných biologických signálů obsažených v běžných skenech.
Odmítnutí odpovědnosti
V souladu s Pokyny k projektu Trust, prosím vezměte na vědomí, že informace uvedené na této stránce nejsou určeny a neměly by být vykládány jako právní, daňové, investiční, finanční nebo jakékoli jiné formy poradenství. Je důležité investovat jen to, co si můžete dovolit ztratit, a v případě pochybností vyhledat nezávislé finanční poradenství. Pro další informace doporučujeme nahlédnout do smluvních podmínek a také na stránky nápovědy a podpory poskytnuté vydavatelem nebo inzerentem. MetaversePost se zavázala poskytovat přesné a nezaujaté zprávy, ale podmínky na trhu se mohou bez upozornění změnit.
O autorovi
Alisa, oddaná novinářka v MPost, specializuje se na kryptoměny, umělou inteligenci, investice a rozsáhlou oblast Web3. S velkým okem pro nové trendy a technologie poskytuje komplexní pokrytí, aby informovala a zapojila čtenáře do neustále se vyvíjejícího prostředí digitálních financí.
Další články
Alisa, oddaná novinářka v MPost, specializuje se na kryptoměny, umělou inteligenci, investice a rozsáhlou oblast Web3. S velkým okem pro nové trendy a technologie poskytuje komplexní pokrytí, aby informovala a zapojila čtenáře do neustále se vyvíjejícího prostředí digitálních financí.
