Oxford AI otkriva rani rizik od zatajenja srca iz rutinskih CT skeniranja s točnošću od 86% kod 72 000 pacijenata
Ukratko
Istraživači sa Sveučilišta u Oxfordu razvili su sustav umjetne inteligencije koji detektira suptilne, nevidljive promjene u srčanoj masti iz rutinskih CT snimaka, predviđajući rizik od zatajenja srca do pet godina unaprijed s točnošću od 86% kod 72 000 pacijenata.
Istraživači na Sveučilište u Oxfordu razvili su sustav umjetne inteligencije koji može procijeniti rizik pacijenta od razvoja zatajenja srca do pet godina unaprijed, postižući točnost od 86% u validaciji kod više od 72 000 pacijenata. Pristup ne zahtijeva dodatna testiranja, intervencije stručnjaka ili novu medicinsku opremu, jer se oslanja na CT snimke srca koje se već rutinski izvode u kliničkoj praksi.
Rad, koji vodi profesor Charalambos Antoniades, a objavljen je u časopisu Journal of the American College of Cardiology, bavi se dugogodišnjim ograničenjem u kardiologiji: zatajenje srca obično se dijagnosticira tek nakon što je već došlo do značajnog strukturnog oštećenja, u kojem trenutku su preventivne mogućnosti često ograničene. Predloženi sustav preusmjerava pozornost na rane biološke promjene koje prethode vidljivim simptomima nekoliko godina.
U središtu modela nalazi se nekonvencionalni izvor podataka: masno tkivo koje okružuje srce, poznato kao perikardijalno masno tkivo. Iako se tradicionalno zanemaruje u rutinskoj analizi skeniranja, čini se da ovo tkivo odražava temeljne upalne i metaboličke promjene koje se događaju u samom srčanom mišiću.
Prema istraživačima, te masne naslage postupno mijenjaju svoju teksturu kao odgovor na stres u kardiovaskularnom sustavu, stvarajući obrasce koji se ne mogu otkriti standardnom ljudskom interpretacijom rezultata snimanja. Sustav umjetne inteligencije dizajniran je za prepoznavanje tih suptilnih varijacija i njihovo prevođenje u kvantificiranu procjenu rizika za buduće zatajenje srca.
Čitanje signala koje ljudsko oko ne može vidjeti
CT snimanje srca široko se koristi u Nacionalnoj zdravstvenoj službi Ujedinjenog Kraljevstva za istraživanje boli u prsima i procjenu koronarne bolesti arterija, a godišnje se izvedu stotine tisuća skeniranja. U tipičnim kliničkim tijekovima rada, radiolozi se prvenstveno usredotočuju na arterijske blokade i vidljive abnormalnosti, dok okolno masno tkivo dobiva ograničenu analitičku pažnju.
Oxfordski model prenamjenjuje ovaj zanemareni sloj podataka analizirajući teksturne značajke unutar perikardijalne masti. Koristeći tehnike strojnog učenja obučene na anonimiziranim CT podacima više od 59 000 pacijenata NHS-a, sustav je naučio povezivati specifične obrasce snimanja s kasnijim razvojem zatajenja srca tijekom dugotrajnih razdoblja praćenja.
U validacijskom testiranju koje je obuhvatilo dodatnih 13 424 pacijenata, model je pokazao stopu točnosti od 86% u predviđanju rizika od zatajenja srca u sljedećih pet godina. Utvrđeno je da osobe klasificirane u skupinu s najvećim rizikom imaju približno 20 puta veću vjerojatnost da će razviti stanje od onih u najnižoj kategoriji, s procijenjenom vjerojatnošću pojave od jedan prema četiri unutar pet godina.
Važno je napomenuti da sustav automatski generira ocjene rizika, bez potrebe za ručnim unosom od strane kliničara. To ga pozicionira kao potencijalni alat za podršku odlučivanju, a ne kao zamjenu za postojeće dijagnostičke procese.
Od snimanja srca do bilo kojeg CT-a prsnog koša — i put do NHS-a
Šira ambicija istraživanja je proširiti tehnologiju izvan okvira specifičnog snimanja srca. Tim trenutno radi na prilagodbi modela za analizu standardnih CT snimaka prsnog koša, uključujući one koji se koriste u probiru raka pluća i respiratornoj dijagnostici. S obzirom na znatno veći volumen CT snimanja prsnog koša u usporedbi sa specifičnim snimkama srca, takva prilagodba mogla bi znatno povećati doseg sustava.
Klinički, implikacije su povezane s ranijom intervencijom. Identificiranjem pacijenata s visokim rizikom godinama prije pojave simptoma, pružatelji zdravstvene skrbi mogli bi prilagoditi strategije praćenja, ranije započeti preventivne tretmane i učinkovitije odrediti prioritete resursa. S obzirom na to da zatajenje srca već pogađa više od milijun ljudi u Ujedinjenom Kraljevstvu, potencijalni utjecaj na dugoročnu potražnju za zdravstvenom skrbi je znatan.
Trenutno su u tijeku planovi za dobivanje regulatornog odobrenja za integraciju u rutinske radiološke tijekove rada unutar NHS-a. Ako se usvoji, sustav bi radio u pozadini standardnih postupaka snimanja, izrađujući automatizirane procjene rizika bez dodatnih troškova ili promjena u protokolima skeniranja.
Istraživanje su podržali Britanska zaklada za srce i Nacionalni institut za istraživanje zdravlja i skrbi, Biomedicinski istraživački centar u Oxfordu. Ono odražava širi pomak u medicinskom snimanju, gdje se umjetna inteligencija sve više koristi ne samo za otkrivanje postojećih bolesti već i za zaključivanje o budućem riziku iz suptilnih, prethodno nedovoljno korištenih bioloških signala ugrađenih u rutinske snimke.
Izjava o odricanju od odgovornosti
U skladu s Smjernice projekta povjerenja, imajte na umu da informacije navedene na ovoj stranici nemaju namjeru i ne smiju se tumačiti kao pravni, porezni, investicijski, financijski ili bilo koji drugi oblik savjeta. Važno je ulagati samo ono što si možete priuštiti izgubiti i potražiti neovisni financijski savjet ako imate bilo kakvih nedoumica. Za dodatne informacije predlažemo da pogledate odredbe i uvjete, kao i stranice za pomoć i podršku koje pruža izdavatelj ili oglašivač. MetaversePost je predan točnom, nepristranom izvješćivanju, ali tržišni uvjeti podložni su promjenama bez prethodne najave.
O autoru
Alisa, predana novinarka u MPost, specijaliziran za kriptovalute, umjetnu inteligenciju, ulaganja i široko područje Web3. S oštrim okom za nove trendove i tehnologije, ona pruža sveobuhvatnu pokrivenost kako bi informirala i uključila čitatelje u krajolik digitalnih financija koji se neprestano razvija.
Više članaka
Alisa, predana novinarka u MPost, specijaliziran za kriptovalute, umjetnu inteligenciju, ulaganja i široko područje Web3. S oštrim okom za nove trendove i tehnologije, ona pruža sveobuhvatnu pokrivenost kako bi informirala i uključila čitatelje u krajolik digitalnih financija koji se neprestano razvija.
