Η Τεχνητή Νοημοσύνη της Οξφόρδης ανιχνεύει πρώιμο κίνδυνο καρδιακής ανεπάρκειας από αξονικές τομογραφίες ρουτίνας με ακρίβεια 86% σε 72,000 ασθενείς
Εν συντομία
Ερευνητές στο Πανεπιστήμιο της Οξφόρδης ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που ανιχνεύει ανεπαίσθητες, αόρατες αλλαγές στο καρδιακό λίπος από τις συνήθεις αξονικές τομογραφίες, προβλέποντας τον κίνδυνο καρδιακής ανεπάρκειας έως και πέντε χρόνια μπροστά με ακρίβεια 86% σε 72,000 ασθενείς.
Ερευνητές στο Πανεπιστήμιο της Οξφόρδης έχουν αναπτύξει ένα σύστημα τεχνητής νοημοσύνης που μπορεί να εκτιμήσει τον κίνδυνο ενός ασθενούς να αναπτύξει καρδιακή ανεπάρκεια έως και πέντε χρόνια νωρίτερα, επιτυγχάνοντας ακρίβεια 86% στην επικύρωση σε περισσότερους από 72,000 ασθενείς. Η προσέγγιση δεν απαιτεί πρόσθετες εξετάσεις, παρέμβαση ειδικού ή νέο ιατρικό εξοπλισμό, καθώς βασίζεται σε αξονικές τομογραφίες καρδιάς που ήδη εκτελούνται τακτικά στην κλινική πράξη.
Η εργασία, με επικεφαλής τον καθηγητή Χαράλαμπο Αντωνιάδη και δημοσιευμένη στο Journal of the American College of Cardiology, αντιμετωπίζει έναν μακροχρόνιο περιορισμό στην καρδιολογία: η καρδιακή ανεπάρκεια συνήθως διαγιγνώσκεται μόνο αφού έχει ήδη συμβεί σημαντική δομική βλάβη, οπότε οι προληπτικές επιλογές είναι συχνά περιορισμένες. Το προτεινόμενο σύστημα μετατοπίζει την προσοχή στις πρώιμες βιολογικές αλλαγές που προηγούνται των ορατών συμπτωμάτων κατά αρκετά χρόνια.
Στο κέντρο του μοντέλου βρίσκεται μια μη συμβατική πηγή δεδομένων: το λίπος που περιβάλλει την καρδιά, γνωστό ως περικαρδιακός λιπώδης ιστός. Ενώ παραδοσιακά παραβλέπεται στην ανάλυση ρουτίνας σάρωσης, αυτός ο ιστός φαίνεται να αντανακλά υποκείμενες φλεγμονώδεις και μεταβολικές αλλαγές που συμβαίνουν στον ίδιο τον καρδιακό μυ.
Σύμφωνα με τους ερευνητές, αυτές οι αποθέσεις λίπους μεταβάλλουν σταδιακά την υφή τους ως απόκριση στο στρες στο καρδιαγγειακό σύστημα, δημιουργώντας μοτίβα που δεν ανιχνεύονται μέσω της τυπικής ανθρώπινης ερμηνείας των αποτελεσμάτων απεικόνισης. Το σύστημα τεχνητής νοημοσύνης έχει σχεδιαστεί για να εντοπίζει αυτές τις ανεπαίσθητες παραλλαγές και να τις μεταφράζει σε μια ποσοτικοποιημένη εκτίμηση κινδύνου για μελλοντική καρδιακή ανεπάρκεια.
Σήματα ανάγνωσης που το ανθρώπινο μάτι δεν μπορεί να δει
Η αξονική τομογραφία καρδιάς χρησιμοποιείται ευρέως σε όλη την Εθνική Υπηρεσία Υγείας του Ηνωμένου Βασιλείου για τη διερεύνηση του θωρακικού άλγους και την αξιολόγηση της στεφανιαίας νόσου, με εκατοντάδες χιλιάδες σαρώσεις να πραγματοποιούνται ετησίως. Σε τυπικές κλινικές ροές εργασίας, οι ακτινολόγοι επικεντρώνονται κυρίως σε αρτηριακές αποφράξεις και ορατές ανωμαλίες, ενώ ο περιβάλλον λιπώδης ιστός λαμβάνει περιορισμένη αναλυτική προσοχή.
Το μοντέλο της Οξφόρδης επαναχρησιμοποιεί αυτό το παραβλεπόμενο επίπεδο δεδομένων αναλύοντας τα χαρακτηριστικά υφής εντός του περικαρδιακού λίπους. Χρησιμοποιώντας τεχνικές μηχανικής μάθησης που εκπαιδεύτηκαν σε ανώνυμα δεδομένα αξονικής τομογραφίας από περισσότερους από 59,000 ασθενείς του NHS, το σύστημα έμαθε να συσχετίζει συγκεκριμένα πρότυπα απεικόνισης με την μεταγενέστερη ανάπτυξη καρδιακής ανεπάρκειας σε μακροπρόθεσμες περιόδους παρακολούθησης.
Σε δοκιμές επικύρωσης που περιελάμβαναν 13,424 επιπλέον ασθενείς, το μοντέλο παρήγαγε ποσοστό ακρίβειας 86% στην πρόβλεψη του πενταετούς κινδύνου καρδιακής ανεπάρκειας. Τα άτομα που ταξινομήθηκαν στην ομάδα υψηλότερου κινδύνου διαπιστώθηκε ότι είχαν περίπου 20 φορές περισσότερες πιθανότητες να αναπτύξουν την πάθηση από εκείνα στην χαμηλότερη κατηγορία, με εκτιμώμενη πιθανότητα εμφάνισης μία στις τέσσερις εντός πέντε ετών.
Είναι σημαντικό ότι το σύστημα δημιουργεί αυτόματα βαθμολογίες κινδύνου, χωρίς να απαιτείται χειροκίνητη εισαγωγή πληροφοριών από τους κλινικούς ιατρούς. Αυτό το καθιστά πιθανό εργαλείο υποστήριξης αποφάσεων και όχι υποκατάστατο των υπαρχουσών διαγνωστικών διαδικασιών.
Από καρδιακές σαρώσεις μέχρι οποιαδήποτε αξονική τομογραφία θώρακος — και μια πορεία προς το NHS
Η ευρύτερη φιλοδοξία της έρευνας είναι η επέκταση της τεχνολογίας πέρα από την απεικόνιση που αφορά ειδικά την καρδιά. Η ομάδα εργάζεται επί του παρόντος για την προσαρμογή του μοντέλου ώστε να αναλύει τις τυπικές αξονικές τομογραφίες θώρακος, συμπεριλαμβανομένων εκείνων που χρησιμοποιούνται στον προσυμπτωματικό έλεγχο για τον καρκίνο του πνεύμονα και στη διάγνωση του αναπνευστικού συστήματος. Δεδομένου του σημαντικά μεγαλύτερου όγκου αξονικής τομογραφίας θώρακος σε σύγκριση με τις καρδιακές σαρώσεις, μια τέτοια προσαρμογή θα μπορούσε να αυξήσει σημαντικά την εμβέλεια του συστήματος.
Κλινικά, οι επιπτώσεις συνδέονται με την έγκαιρη παρέμβαση. Εντοπίζοντας ασθενείς υψηλού κινδύνου χρόνια πριν εμφανιστούν τα συμπτώματα, οι πάροχοι υγειονομικής περίθαλψης θα μπορούσαν να προσαρμόσουν τις στρατηγικές παρακολούθησης, να ξεκινήσουν προληπτικές θεραπείες νωρίτερα και να ιεραρχήσουν τους πόρους πιο αποτελεσματικά. Με την καρδιακή ανεπάρκεια να επηρεάζει ήδη περισσότερους από ένα εκατομμύριο ανθρώπους στο Ηνωμένο Βασίλειο, ο πιθανός αντίκτυπος στη μακροπρόθεσμη ζήτηση υγειονομικής περίθαλψης είναι σημαντικός.
Βρίσκονται τώρα σε εξέλιξη σχέδια για την αναζήτηση κανονιστικής έγκρισης για ενσωμάτωση στις συνήθεις ροές εργασίας ακτινολογίας εντός του NHS. Εάν υιοθετηθεί, το σύστημα θα λειτουργεί στο παρασκήνιο των τυπικών διαδικασιών απεικόνισης, παράγοντας αυτοματοποιημένες αξιολογήσεις κινδύνου χωρίς πρόσθετο κόστος ή αλλαγή στα πρωτόκολλα σάρωσης.
Η έρευνα υποστηρίχθηκε από το Βρετανικό Ίδρυμα Καρδιάς και το Εθνικό Ινστιτούτο Έρευνας Υγείας και Φροντίδας (National Institute for Health and Care Research Biomedical Research Centre) στην Οξφόρδη. Αντικατοπτρίζει μια ευρύτερη μετατόπιση στην ιατρική απεικόνιση, όπου η τεχνητή νοημοσύνη χρησιμοποιείται ολοένα και περισσότερο όχι μόνο για την ανίχνευση υπαρχουσών ασθενειών αλλά και για τον υπολογισμό μελλοντικών κινδύνων από ανεπαίσθητα, προηγουμένως υποχρησιμοποιούμενα βιολογικά σήματα που ενσωματώνονται σε σαρώσεις ρουτίνας.
Αποποίηση Eυθυνών
Σύμφωνα με το Οδηγίες του έργου Trust, σημειώστε ότι οι πληροφορίες που παρέχονται σε αυτήν τη σελίδα δεν προορίζονται και δεν πρέπει να ερμηνεύονται ως νομικές, φορολογικές, επενδυτικές, χρηματοοικονομικές ή οποιαδήποτε άλλη μορφή συμβουλής. Είναι σημαντικό να επενδύσετε μόνο ό,τι έχετε την πολυτέλεια να χάσετε και να αναζητήσετε ανεξάρτητες οικονομικές συμβουλές εάν έχετε οποιεσδήποτε αμφιβολίες. Για περισσότερες πληροφορίες, προτείνουμε να ανατρέξετε στους όρους και τις προϋποθέσεις, καθώς και στις σελίδες βοήθειας και υποστήριξης που παρέχονται από τον εκδότη ή τον διαφημιστή. MetaversePost δεσμεύεται για ακριβείς, αμερόληπτες αναφορές, αλλά οι συνθήκες της αγοράς υπόκεινται σε αλλαγές χωρίς προειδοποίηση.
Σχετικά με το Συγγραφέας
Alisa, αφοσιωμένη δημοσιογράφος στο MPost, ειδικεύεται σε κρυπτονομίσματα, τεχνητή νοημοσύνη, επενδύσεις και στον εκτεταμένο τομέα των Web3. Με έντονο μάτι για τις αναδυόμενες τάσεις και τεχνολογίες, παρέχει ολοκληρωμένη κάλυψη για την ενημέρωση και την εμπλοκή των αναγνωστών στο συνεχώς εξελισσόμενο τοπίο της ψηφιακής χρηματοδότησης.
Περισσότερα άρθρα
Alisa, αφοσιωμένη δημοσιογράφος στο MPost, ειδικεύεται σε κρυπτονομίσματα, τεχνητή νοημοσύνη, επενδύσεις και στον εκτεταμένο τομέα των Web3. Με έντονο μάτι για τις αναδυόμενες τάσεις και τεχνολογίες, παρέχει ολοκληρωμένη κάλυψη για την ενημέρωση και την εμπλοκή των αναγνωστών στο συνεχώς εξελισσόμενο τοπίο της ψηφιακής χρηματοδότησης.
