Oxford AI wykrywa wczesne ryzyko niewydolności serca dzięki rutynowym tomografiom komputerowym z dokładnością 86% u 72 000 pacjentów
W skrócie
Naukowcy z Uniwersytetu Oksfordzkiego opracowali system sztucznej inteligencji, który wykrywa subtelne, niewidoczne zmiany w tkance tłuszczowej serca u osób badanych podczas rutynowej tomografii komputerowej. System ten pozwala przewidzieć ryzyko niewydolności serca nawet na pięć lat naprzód z dokładnością 86% u 72 000 pacjentów.
Naukowcy z University of Oxford Opracowaliśmy system sztucznej inteligencji, który potrafi oszacować ryzyko wystąpienia niewydolności serca u pacjenta nawet z pięcioletnim wyprzedzeniem, osiągając 86% dokładność walidacji u ponad 72 000 pacjentów. To podejście nie wymaga dodatkowych badań, interwencji specjalistycznej ani nowego sprzętu medycznego, ponieważ opiera się na tomografii komputerowej serca, która jest już rutynowo wykonywana w praktyce klinicznej.
Praca, kierowana przez profesora Charalambosa Antoniadesa i opublikowana w czasopiśmie „Journal of the American College of Cardiology”, odnosi się do długotrwałego ograniczenia w kardiologii: niewydolność serca jest zazwyczaj diagnozowana dopiero po wystąpieniu istotnych uszkodzeń strukturalnych, co często ogranicza możliwości profilaktyki. Proponowany system koncentruje się na wczesnych zmianach biologicznych, które wyprzedzają widoczne objawy o kilka lat.
W centrum modelu znajduje się niekonwencjonalne źródło danych: tłuszcz otaczający serce, znany jako tkanka tłuszczowa osierdziowa. Choć tradycyjnie pomijana w rutynowych analizach obrazowych, tkanka ta wydaje się odzwierciedlać leżące u jej podstaw zmiany zapalne i metaboliczne zachodzące w samym mięśniu sercowym.
Według naukowców, te złogi tłuszczu stopniowo zmieniają swoją teksturę w odpowiedzi na stres w układzie sercowo-naczyniowym, tworząc wzorce niewidoczne w standardowej interpretacji wyników obrazowania przez człowieka. System sztucznej inteligencji został zaprojektowany w celu identyfikacji tych subtelnych odchyleń i przełożenia ich na ilościową ocenę ryzyka przyszłej niewydolności serca.
Odczyt sygnałów, których ludzkie oko nie widzi
Tomografia komputerowa serca jest powszechnie stosowana w brytyjskiej Narodowej Służbie Zdrowia (NHS) do badania bólu w klatce piersiowej i oceny choroby wieńcowej, a rocznie wykonuje się setki tysięcy skanów. W typowych procedurach klinicznych radiolodzy koncentrują się głównie na zatorach tętnic i widocznych nieprawidłowościach, a otaczająca tkanka tłuszczowa poświęca im ograniczoną uwagę analityczną.
Model oksfordzki wykorzystuje tę pomijaną warstwę danych, analizując cechy teksturalne tkanki tłuszczowej osierdzia. Wykorzystując techniki uczenia maszynowego, trenowane na zanonimizowanych danych z tomografii komputerowej pochodzących od ponad 59 000 pacjentów NHS, system nauczył się wiązać określone wzorce obrazowania z późniejszym rozwojem niewydolności serca w długoterminowych okresach obserwacji.
W testach walidacyjnych z udziałem 13 424 dodatkowych pacjentów, model osiągnął 86% skuteczność w przewidywaniu pięcioletniego ryzyka niewydolności serca. Osoby zaklasyfikowane do grupy najwyższego ryzyka były około 20 razy bardziej narażone na rozwój tej choroby niż osoby z grupy najniższego ryzyka, z szacowanym prawdopodobieństwem wystąpienia jej w ciągu pięciu lat na 1 do 4.
Co ważne, system automatycznie generuje oceny ryzyka, bez konieczności ręcznego wprowadzania danych przez lekarzy. Dzięki temu może on stanowić potencjalne narzędzie wspomagające podejmowanie decyzji, a nie zastępować istniejące procesy diagnostyczne.
Od skanów serca do dowolnej tomografii komputerowej klatki piersiowej — i droga do NHS
Szerszym celem badań jest rozszerzenie technologii poza obrazowanie kardiologiczne. Zespół pracuje obecnie nad adaptacją modelu do analizy standardowych tomografii komputerowej klatki piersiowej, w tym tych stosowanych w badaniach przesiewowych raka płuc i diagnostyce układu oddechowego. Biorąc pod uwagę znacznie większą liczbę tomografii komputerowej klatki piersiowej w porównaniu ze skanami kardiologicznymi, taka adaptacja mogłaby znacząco zwiększyć zasięg systemu.
Z klinicznego punktu widzenia implikacje te wiążą się z wcześniejszą interwencją. Identyfikując pacjentów wysokiego ryzyka na lata przed pojawieniem się objawów, pracownicy służby zdrowia mogliby dostosować strategie monitorowania, wcześniej wdrażać leczenie profilaktyczne i skuteczniej priorytetyzować zasoby. Ponieważ niewydolność serca dotyka już ponad milion osób w Wielkiej Brytanii, potencjalny wpływ na długoterminowe zapotrzebowanie na opiekę zdrowotną jest znaczący.
Trwają prace nad uzyskaniem zgody organów regulacyjnych na integrację z rutynowymi procedurami radiologicznymi w ramach NHS. W przypadku wdrożenia, system będzie działał w tle standardowych procedur obrazowania, generując zautomatyzowaną ocenę ryzyka bez dodatkowych kosztów i zmian w protokołach skanowania.
Badania zostały wsparte przez British Heart Foundation oraz Narodowy Instytut Badań nad Zdrowiem i Opieką (National Institute for Health and Care Research Biomedical Research Centre) w Oksfordzie. Odzwierciedlają one szerszą zmianę w obrazowaniu medycznym, gdzie sztuczna inteligencja jest coraz częściej wykorzystywana nie tylko do wykrywania istniejących chorób, ale także do wnioskowania o przyszłym ryzyku na podstawie subtelnych, dotychczas niewykorzystywanych sygnałów biologicznych wbudowanych w rutynowe skany.
Zastrzeżenie
Zgodnie z Zaufaj wytycznym projektu, należy pamiętać, że informacje zawarte na tej stronie nie mają na celu i nie powinny być interpretowane jako porady prawne, podatkowe, inwestycyjne, finansowe lub jakiekolwiek inne formy porad. Ważne jest, aby inwestować tylko tyle, na utratę czego możesz sobie pozwolić, a w przypadku jakichkolwiek wątpliwości zasięgnąć niezależnej porady finansowej. Aby uzyskać więcej informacji, sugerujemy zapoznać się z warunkami oraz stronami pomocy i wsparcia udostępnianymi przez wydawcę lub reklamodawcę. MetaversePost zobowiązuje się do sporządzania dokładnych i bezstronnych raportów, jednakże warunki rynkowe mogą ulec zmianie bez powiadomienia.
O autorze
Alisa, oddana dziennikarka w MPost, specjalizuje się w kryptowalutach, sztucznej inteligencji, inwestycjach i rozległym obszarze Web3. Ze szczególnym uwzględnieniem pojawiających się trendów i technologii zapewnia wszechstronne informacje, aby informować czytelników i angażować ich w stale zmieniający się krajobraz finansów cyfrowych.
Więcej artykułów
Alisa, oddana dziennikarka w MPost, specjalizuje się w kryptowalutach, sztucznej inteligencji, inwestycjach i rozległym obszarze Web3. Ze szczególnym uwzględnieniem pojawiających się trendów i technologii zapewnia wszechstronne informacje, aby informować czytelników i angażować ich w stale zmieniający się krajobraz finansów cyfrowych.
