Oxfordin tekoäly havaitsee varhaisen sydämen vajaatoiminnan riskin rutiini-TT-kuvauksista 86 %:n tarkkuudella 72 000 potilaalla
Lyhyesti
Oxfordin yliopiston tutkijat ovat kehittäneet tekoälyjärjestelmän, joka havaitsee rutiininomaisten TT-kuvausten hienovaraisia, näkymättömiä muutoksia sydänrasvassa ja ennustaa sydämen vajaatoiminnan riskiä jopa viisi vuotta eteenpäin 86 prosentin tarkkuudella 72 000 potilaalla.
Tutkijat Oxfordin yliopisto ovat kehittäneet tekoälyjärjestelmän, joka voi arvioida potilaan sydämen vajaatoiminnan riskiä jopa viisi vuotta etukäteen ja saavuttaa 86 %:n tarkkuuden yli 72 000 potilaan validoinnissa. Lähestymistapa ei vaadi lisätestejä, asiantuntijan toimenpiteitä tai uusia lääketieteellisiä laitteita, koska se perustuu sydämen TT-kuvauksiin, joita jo rutiininomaisesti tehdään kliinisessä käytännössä.
Professori Charalambos Antoniadesin johtama ja Journal of the American College of Cardiology -lehdessä julkaistu tutkimus käsittelee kardiologian pitkäaikaista rajoitusta: sydämen vajaatoiminta diagnosoidaan tyypillisesti vasta merkittävien rakenteellisten vaurioiden jälkeen, jolloin ennaltaehkäisevät vaihtoehdot ovat usein rajalliset. Ehdotettu järjestelmä siirtää huomion varhaisiin biologisiin muutoksiin, jotka edeltävät näkyviä oireita useita vuosia.
Mallin keskiössä on epätavanomainen tietolähde: sydäntä ympäröivä rasva eli perikardiaalinen rasvakudos. Vaikka se on perinteisesti jätetty rutiininomaisissa kuvantamisanalyyseissä huomiotta, tämä kudos näyttää heijastavan itse sydänlihaksessa tapahtuvia taustalla olevia tulehduksellisia ja aineenvaihdunnallisia muutoksia.
Tutkijoiden mukaan nämä rasvakertymät muuttavat vähitellen rakennettaan sydän- ja verisuonijärjestelmän rasituksen vaikutuksesta, mikä luo kuvioita, joita ihmisen kuvantamistulosten tavanomaiset tulkinnat eivät pysty havaitsemaan. Tekoälyjärjestelmä on suunniteltu tunnistamaan nämä hienovaraiset vaihtelut ja muuntamaan ne kvantifioiduksi riskiarvioksi tulevalle sydämen vajaatoiminnalle.
Ihmissilmä ei näe signaaleja
Sydämen tietokonetomografiaa (TT) käytetään laajalti Ison-Britannian kansallisessa terveyspalvelussa (NHS) rintakivun tutkimiseen ja sepelvaltimotaudin arviointiin. Satojatuhansia kuvauksia tehdään vuosittain. Tyypillisissä kliinisissä työnkuluissa radiologit keskittyvät ensisijaisesti valtimotukoksiin ja näkyviin poikkeavuuksiin, kun taas ympäröivään rasvakudokseen kiinnitetään vain vähän analyyttistä huomiota.
Oxfordin malli hyödyntää tätä huomiotta jäänyttä datakerrosta analysoimalla sydänpussin rasvan tekstuurisia piirteitä. Järjestelmä oppi yhdistämään tiettyjä kuvantamismalleja sydämen vajaatoiminnan myöhempään kehittymiseen pitkän aikavälin seurantajaksojen aikana käyttämällä koneoppimistekniikoita, jotka oli koulutettu yli 59 000 NHS-potilaan anonymisoituihin TT-tietoihin.
Validointitesteissä, joihin osallistui 13 424 lisäpotilasta, mallin tarkkuus viiden vuoden sydämen vajaatoiminnan riskin ennustamisessa oli 86 %. Korkeimpaan riskiryhmään luokitelluilla henkilöillä havaittiin olevan noin 20 kertaa todennäköisempi sairastua sairauden kuin alimpaan luokkaan kuuluvilla, ja arviolta yksi neljästä todennäköisyys sairastua viiden vuoden kuluessa.
Merkittävää on, että järjestelmä luo riskipisteet automaattisesti ilman, että lääkäreiltä vaaditaan manuaalista syötettä. Tämä asettaa sen potentiaaliseksi päätöksenteon tukityökaluksi eikä korvaamaan olemassa olevia diagnostisia prosesseja.
Sydänkuvauksista mihin tahansa rintakehän tietokonetomografiaan – ja polku NHS:ään
Tutkimuksen laajempana tavoitteena on laajentaa teknologiaa sydänspesifisen kuvantamisen ulkopuolelle. Tiimi työskentelee parhaillaan mallin mukauttamiseksi analysoimaan tavallisia rintakehän TT-kuvia, mukaan lukien keuhkosyövän seulonnassa ja hengityselinten diagnostiikassa käytettyjä kuvia. Koska rintakehän TT-kuvien määrä on huomattavasti suurempi kuin sydänspesifisten kuvien, tällainen mukautus voisi laajentaa järjestelmän laajuutta huomattavasti.
Kliinisesti vaikutukset liittyvät aikaisempaan interventioon. Tunnistamalla riskiryhmään kuuluvat potilaat vuosia ennen oireiden ilmenemistä terveydenhuollon tarjoajat voisivat mukauttaa seurantastrategioita, aloittaa ennaltaehkäisevät hoidot aikaisemmin ja priorisoida resursseja tehokkaammin. Koska sydämen vajaatoiminta vaikuttaa jo yli miljoonaan ihmiseen Isossa-Britanniassa, sen mahdollinen vaikutus pitkäaikaiseen terveydenhuollon kysyntään on huomattava.
Suunnitelmat ovat parhaillaan käynnissä viranomaishyväksynnän hakemiseksi integroinnille NHS:n rutiininomaisiin radiologian työnkulkuihin. Jos järjestelmä otetaan käyttöön, se toimisi taustalla standardinmukaisten kuvantamismenetelmien kanssa ja tuottaisi automatisoituja riskinarviointeja ilman lisäkustannuksia tai muutoksia skannausprotokolliin.
Tutkimusta tukivat British Heart Foundation ja Oxfordissa sijaitseva National Institute for Health and Care Research Biomedical Research Centre. Se heijastaa laajempaa muutosta lääketieteellisessä kuvantamisessa, jossa tekoälyä käytetään yhä enemmän paitsi olemassa olevien sairauksien havaitsemiseen myös tulevan riskin päättelemiseen rutiinikuvauksiin upotettujen hienovaraisten, aiemmin alihyödynnettyjen biologisten signaalien perusteella.
Vastuun kieltäminen
Mukaisesti Luottamusprojektin ohjeetHuomaa, että tällä sivulla annettuja tietoja ei ole tarkoitettu eikä niitä tule tulkita oikeudellisiksi, verotukselliseksi, sijoitus-, rahoitus- tai minkään muun muodon neuvoiksi. On tärkeää sijoittaa vain sen verran, mitä sinulla on varaa menettää, ja pyytää riippumatonta talousneuvontaa, jos sinulla on epäilyksiä. Lisätietoja saat käyttöehdoista sekä myöntäjän tai mainostajan tarjoamista ohje- ja tukisivuista. MetaversePost on sitoutunut tarkkaan, puolueettomaan raportointiin, mutta markkinaolosuhteet voivat muuttua ilman erillistä ilmoitusta.
Author
Alisa, omistautunut toimittaja MPost, erikoistunut kryptoon, tekoälyyn, sijoituksiin ja laajaan maailmaan Web3. Hän tarkkailee tarkasti nousevia trendejä ja teknologioita, ja hän tarjoaa kattavan kattavuuden tiedottaakseen ja saadakseen lukijat mukaan digitaalisen rahoituksen jatkuvasti kehittyvään maisemaan.
lisää artikkeleita
Alisa, omistautunut toimittaja MPost, erikoistunut kryptoon, tekoälyyn, sijoituksiin ja laajaan maailmaan Web3. Hän tarkkailee tarkasti nousevia trendejä ja teknologioita, ja hän tarjoaa kattavan kattavuuden tiedottaakseen ja saadakseen lukijat mukaan digitaalisen rahoituksen jatkuvasti kehittyvään maisemaan.
