Oksfordo dirbtinis intelektas nustato ankstyvą širdies nepakankamumo riziką atlikdamas įprastinius kompiuterinės tomografijos tyrimus 86 % tikslumu 72 000 pacientų.
Trumpai
Oksfordo universiteto tyrėjai sukūrė dirbtinio intelekto sistemą, kuri aptinka subtilius, nematomus širdies riebalų pokyčius, atliktus atliekant įprastus KT tyrimus, ir prognozuoja širdies nepakankamumo riziką iki penkerių metų 86 % tikslumu iš 72 000 pacientų.
Mokslininkai Oksfordo universiteto sukūrė dirbtinio intelekto sistemą, kuri gali įvertinti paciento širdies nepakankamumo riziką iki penkerių metų į priekį, pasiekdama 86 % tikslumą patvirtinant duomenis daugiau nei 72 000 pacientų. Šiam metodui nereikia papildomų tyrimų, specialistų intervencijos ar naujos medicinos įrangos, nes jis remiasi širdies kompiuterinės tomografijos tyrimais, kurie jau įprastai atliekami klinikinėje praktikoje.
Profesoriaus Charalambos Antoniades vadovaujamas ir Amerikos kardiologijos koledžo žurnale paskelbtas darbas sprendžia ilgalaikį kardiologijos apribojimą: širdies nepakankamumas paprastai diagnozuojamas tik po to, kai jau yra įvykę dideli struktūriniai pažeidimai, o prevencinės galimybės dažnai yra ribotos. Siūloma sistema nukreipia dėmesį į ankstyvuosius biologinius pokyčius, kurie vyksta keleriais metais anksčiau nei matomi simptomai.
Modelio centre yra netradicinis duomenų šaltinis: širdį supantys riebalai, vadinami perikardo riebaliniu audiniu. Nors įprastinėse skenavimo analizėse šis audinys tradiciškai nepastebimas, atrodo, kad jis atspindi pagrindinius uždegiminius ir metabolinius pokyčius, vykstančius pačiame širdies raumenyje.
Pasak tyrėjų, šie riebalų sankaupų tekstūra palaipsniui keičiasi reaguojant į širdies ir kraujagyslių sistemos stresą, sukurdami modelius, kurių neįmanoma aptikti standartiniu žmogaus vaizdavimo rezultatų interpretavimu. Dirbtinio intelekto sistema sukurta taip, kad atpažintų šiuos subtilius pokyčius ir paverstų juos kiekybiniu būsimo širdies nepakankamumo rizikos įvertinimu.
Signalų, kurių žmogaus akis nemato, skaitymas
Širdies KT vaizdavimas plačiai naudojamas visoje JK nacionalinėje sveikatos tarnyboje krūtinės skausmui tirti ir vainikinių arterijų ligai įvertinti, kasmet atliekant šimtus tūkstančių skenavimų. Įprastuose klinikiniuose procesuose radiologai daugiausia dėmesio skiria arterijų užsikimšimams ir matomiems sutrikimams, o aplinkiniam riebaliniam audiniui skiriama mažai analitinio dėmesio.
Oksfordo modelis perdirba šį nepastebėtą duomenų sluoksnį, analizuodamas perikardo riebalų tekstūros ypatybes. Naudodama mašininio mokymosi metodus, apmokytus naudojant anonimizuotus KT duomenis iš daugiau nei 59 000 NHS pacientų, sistema išmoko susieti specifinius vaizdavimo modelius su vėlesniu širdies nepakankamumo vystymusi per ilgalaikius stebėjimo laikotarpius.
Patvirtinimo testuose, kuriuose dalyvavo dar 13 424 pacientai, modelis parodė 86 % tikslumą prognozuojant penkerių metų širdies nepakankamumo riziką. Nustatyta, kad asmenys, priskirti didžiausios rizikos grupei, turėjo maždaug 20 kartų didesnę tikimybę susirgti šia liga nei asmenys, priskirti žemiausios kategorijos asmenims, o tikimybė, kad liga prasidės per penkerius metus, yra maždaug viena iš keturių.
Svarbu tai, kad sistema rizikos balus generuoja automatiškai, nereikalaujant klinikinių specialistų rankinio įvedimo. Tai pozicionuoja ją kaip potencialią sprendimų priėmimo priemonę, o ne esamų diagnostikos procesų pakaitalą.
Nuo širdies skenavimo iki bet kokio krūtinės ląstos kompiuterinės tomografijos – ir kelio į NHS
Platesnis tyrimo tikslas – išplėsti technologijos taikymo sritį, neapsiribojant vien širdies vaizdavimu. Šiuo metu komanda dirba ties modelio pritaikymu standartiniams krūtinės ląstos KT tyrimams, įskaitant tuos, kurie naudojami plaučių vėžio atrankoje ir kvėpavimo takų diagnostikoje, analizuoti. Atsižvelgiant į žymiai didesnį krūtinės ląstos KT tyrimų kiekį, palyginti su širdies vaizdavimu, toks pritaikymas galėtų gerokai padidinti sistemos aprėptį.
Kliniškai pasekmės susijusios su ankstesne intervencija. Nustatydami didelės rizikos pacientus keleriais metais anksčiau nei pasireiškia simptomai, sveikatos priežiūros paslaugų teikėjai galėtų koreguoti stebėjimo strategijas, anksčiau pradėti prevencinį gydymą ir veiksmingiau paskirstyti išteklius prioritetams. Širdies nepakankamumui jau esant daugiau nei milijonui žmonių Jungtinėje Karalystėje, galimas poveikis ilgalaikiam sveikatos priežiūros poreikiui yra didelis.
Šiuo metu rengiami planai siekti reguliavimo institucijų leidimo integruoti sistemą į įprastus radiologijos darbo eigą NHS sistemoje. Jei ji bus priimta, ji veiks standartinių vaizdavimo procedūrų fone, automatiškai atlikdama rizikos vertinimus be jokių papildomų išlaidų ar skenavimo protokolų pakeitimų.
Tyrimą rėmė Britų širdies fondas ir Nacionalinis sveikatos ir priežiūros tyrimų institutas (National Institute for Health and Care Research Biomedicininių tyrimų centras Oksforde). Jis atspindi platesnį medicininio vaizdavimo pokytį, kai dirbtinis intelektas vis dažniau naudojamas ne tik esamoms ligoms aptikti, bet ir būsimai rizikai nustatyti remiantis subtiliais, anksčiau nepakankamai naudojamais biologiniais signalais, įterptais į įprastinius tyrimus.
Atsakomybės neigimas
Remdamasi tuo, Pasitikėjimo projekto gairės, atkreipkite dėmesį, kad šiame puslapyje pateikta informacija nėra skirta ir neturėtų būti aiškinama kaip teisinė, mokesčių, investicinė, finansinė ar bet kokia kita konsultacija. Svarbu investuoti tik tai, ką galite sau leisti prarasti, ir, jei turite kokių nors abejonių, kreiptis į nepriklausomą finansinę konsultaciją. Norėdami gauti daugiau informacijos, siūlome peržiūrėti taisykles ir nuostatas bei pagalbos ir palaikymo puslapius, kuriuos pateikia išdavėjas arba reklamuotojas. MetaversePost yra įsipareigojusi teikti tikslias, nešališkas ataskaitas, tačiau rinkos sąlygos gali keistis be įspėjimo.
Apie autorių
Alisa, atsidavusi žurnalistė MPost, specializuojasi kriptovaliutų, dirbtinio intelekto, investicijų ir plačios srities srityse Web3. Akylai žvelgdama į naujas tendencijas ir technologijas, ji pateikia išsamią informaciją, kad informuotų ir įtrauktų skaitytojus į nuolat besikeičiančią skaitmeninių finansų aplinką.
Daugiau straipsnių
Alisa, atsidavusi žurnalistė MPost, specializuojasi kriptovaliutų, dirbtinio intelekto, investicijų ir plačios srities srityse Web3. Akylai žvelgdama į naujas tendencijas ir technologijas, ji pateikia išsamią informaciją, kad informuotų ir įtrauktų skaitytojus į nuolat besikeičiančią skaitmeninių finansų aplinką.
