AI Oxford Mengesan Risiko Kegagalan Jantung Awal Daripada Imbasan CT Rutin Dengan Ketepatan 86% Merentasi 72,000 Pesakit
Secara ringkas
Penyelidik di Universiti Oxford telah membangunkan sistem AI yang mengesan perubahan lemak jantung yang halus dan tidak kelihatan daripada imbasan CT rutin, meramalkan risiko kegagalan jantung sehingga lima tahun ke hadapan dengan ketepatan 86% merentasi 72,000 pesakit.
Penyelidik di Universiti Oxford telah membangunkan sistem kecerdasan buatan yang boleh menganggarkan risiko pesakit mengalami kegagalan jantung sehingga lima tahun lebih awal, mencapai ketepatan pengesahan 86% merentasi lebih 72,000 pesakit. Pendekatan ini tidak memerlukan ujian tambahan, intervensi pakar atau peralatan perubatan baharu, kerana ia bergantung pada imbasan CT jantung yang telah dilakukan secara rutin dalam amalan klinikal.
Kerja yang diketuai oleh Profesor Charalambos Antoniades dan diterbitkan dalam Journal of the American College of Cardiology ini menangani batasan yang telah lama wujud dalam kardiologi: kegagalan jantung biasanya didiagnosis hanya selepas kerosakan struktur yang ketara telah berlaku, di mana pilihan pencegahan sering terhad. Sistem yang dicadangkan mengalihkan perhatian kepada perubahan biologi awal yang mendahului gejala yang kelihatan selama beberapa tahun.
Di tengah-tengah model ini terdapat sumber data yang tidak konvensional: lemak yang mengelilingi jantung, yang dikenali sebagai tisu adiposa perikardium. Walaupun secara tradisinya diabaikan dalam analisis imbasan rutin, tisu ini nampaknya mencerminkan perubahan keradangan dan metabolik yang mendasari yang berlaku dalam otot jantung itu sendiri.
Menurut para penyelidik, deposit lemak ini secara beransur-ansur mengubah teksturnya sebagai tindak balas kepada tekanan dalam sistem kardiovaskular, mewujudkan corak yang tidak dapat dikesan melalui tafsiran standard manusia terhadap keputusan pengimejan. Sistem AI direka bentuk untuk mengenal pasti variasi halus ini dan menterjemahkannya ke dalam anggaran risiko yang diukur untuk kegagalan jantung pada masa hadapan.
Membaca Isyarat Yang Tidak Dapat Dilihat Oleh Mata Manusia
Pengimejan CT jantung digunakan secara meluas di seluruh Perkhidmatan Kesihatan Kebangsaan UK untuk menyiasat sakit dada dan menilai penyakit arteri koronari, dengan ratusan ribu imbasan dilakukan setiap tahun. Dalam aliran kerja klinikal biasa, ahli radiologi memberi tumpuan terutamanya pada penyumbatan arteri dan keabnormalan yang kelihatan, manakala tisu lemak di sekeliling menerima perhatian analitikal yang terhad.
Model Oxford menggunakan semula lapisan data yang diabaikan ini dengan menganalisis ciri tekstur dalam lemak perikardium. Menggunakan teknik pembelajaran mesin yang dilatih pada data CT tanpa nama daripada lebih 59,000 pesakit NHS, sistem ini belajar untuk mengaitkan corak pengimejan tertentu dengan perkembangan kegagalan jantung kemudian dalam tempoh susulan jangka panjang.
Dalam ujian pengesahan yang melibatkan 13,424 pesakit tambahan, model tersebut menghasilkan kadar ketepatan 86% dalam meramalkan risiko kegagalan jantung lima tahun. Individu yang dikelaskan dalam kumpulan berisiko tertinggi didapati kira-kira 20 kali lebih berkemungkinan untuk menghidap keadaan ini berbanding mereka yang berada dalam kategori terendah, dengan anggaran satu dalam empat kebarangkalian permulaan dalam tempoh lima tahun.
Yang penting, sistem ini menjana skor risiko secara automatik, tanpa memerlukan input manual daripada doktor. Ini meletakkannya sebagai alat sokongan keputusan yang berpotensi dan bukannya pengganti untuk proses diagnostik sedia ada.
Daripada Imbasan Jantung Kepada Mana-mana CT Dada — Dan Laluan Ke NHS
Cita-cita yang lebih luas dalam penyelidikan ini adalah untuk memperluaskan teknologi melangkaui pengimejan khusus jantung. Pasukan ini sedang berusaha menyesuaikan model untuk menganalisis imbasan CT dada standard, termasuk yang digunakan dalam saringan kanser paru-paru dan diagnostik pernafasan. Memandangkan jumlah pengimejan CT dada yang jauh lebih tinggi berbanding imbasan khusus jantung, penyesuaian sedemikian dapat meningkatkan jangkauan sistem dengan ketara.
Secara klinikal, implikasinya berkaitan dengan intervensi lebih awal. Dengan mengenal pasti pesakit berisiko tinggi bertahun-tahun sebelum gejala muncul, penyedia penjagaan kesihatan boleh melaraskan strategi pemantauan, memulakan rawatan pencegahan lebih awal dan mengutamakan sumber dengan lebih berkesan. Dengan kegagalan jantung yang telah menjejaskan lebih daripada satu juta orang di UK, potensi impak terhadap permintaan penjagaan kesihatan jangka panjang adalah besar.
Rancangan kini sedang dijalankan untuk mendapatkan kelulusan kawal selia bagi penyepaduan ke dalam aliran kerja radiologi rutin dalam NHS. Jika diterima pakai, sistem ini akan beroperasi di latar belakang prosedur pengimejan standard, menghasilkan penilaian risiko automatik tanpa kos tambahan atau perubahan dalam protokol pengimbasan.
Kajian ini disokong oleh Yayasan Jantung British dan Pusat Penyelidikan Bioperubatan Institut Penyelidikan Kesihatan dan Penjagaan Kebangsaan di Oxford. Ia mencerminkan perubahan yang lebih luas dalam pengimejan perubatan, di mana kecerdasan buatan semakin digunakan bukan sahaja untuk mengesan penyakit sedia ada tetapi juga untuk membuat kesimpulan risiko masa depan daripada isyarat biologi yang halus dan sebelum ini kurang digunakan yang tertanam dalam imbasan rutin.
Penafian
Selaras dengan Garis panduan Projek Amanah, sila ambil perhatian bahawa maklumat yang diberikan pada halaman ini tidak bertujuan untuk menjadi dan tidak seharusnya ditafsirkan sebagai nasihat undang-undang, cukai, pelaburan, kewangan atau sebarang bentuk nasihat lain. Adalah penting untuk hanya melabur apa yang anda mampu kehilangan dan mendapatkan nasihat kewangan bebas jika anda mempunyai sebarang keraguan. Untuk maklumat lanjut, kami mencadangkan merujuk kepada terma dan syarat serta halaman bantuan dan sokongan yang disediakan oleh pengeluar atau pengiklan. MetaversePost komited kepada laporan yang tepat dan tidak berat sebelah, tetapi keadaan pasaran tertakluk kepada perubahan tanpa notis.
Tentang Pengarang
Alisa, seorang wartawan yang berdedikasi di MPost, pakar dalam kripto, AI, pelaburan dan bidang yang luas Web3. Dengan memerhatikan trend dan teknologi yang sedang muncul, beliau menyampaikan liputan komprehensif untuk memaklumkan dan melibatkan pembaca dalam landskap kewangan digital yang sentiasa berkembang.
lebih banyak artikel
Alisa, seorang wartawan yang berdedikasi di MPost, pakar dalam kripto, AI, pelaburan dan bidang yang luas Web3. Dengan memerhatikan trend dan teknologi yang sedang muncul, beliau menyampaikan liputan komprehensif untuk memaklumkan dan melibatkan pembaca dalam landskap kewangan digital yang sentiasa berkembang.
