AI จากมหาวิทยาลัยอ็อกซ์ฟอร์ด ตรวจจับความเสี่ยงภาวะหัวใจล้มเหลวระยะเริ่มต้นจากภาพ CT สแกนได้แม่นยำถึง 86% ในผู้ป่วย 72,000 ราย
ในบทสรุป
นักวิจัยจากมหาวิทยาลัยออกซ์ฟอร์ดได้พัฒนาระบบปัญญาประดิษฐ์ (AI) ที่สามารถตรวจจับการเปลี่ยนแปลงเล็กน้อยที่มองไม่เห็นในไขมันหัวใจจากภาพสแกน CT ทั่วไป และสามารถทำนายความเสี่ยงต่อภาวะหัวใจล้มเหลวได้ล่วงหน้าถึงห้าปีด้วยความแม่นยำ 86% ในผู้ป่วย 72,000 ราย
นักวิจัยที่ University of Oxford ได้พัฒนาระบบปัญญาประดิษฐ์ที่สามารถประเมินความเสี่ยงของการเกิดภาวะหัวใจล้มเหลวในผู้ป่วยล่วงหน้าได้ถึงห้าปี โดยมีความแม่นยำ 86% ในการตรวจสอบความถูกต้องกับผู้ป่วยมากกว่า 72,000 ราย วิธีการนี้ไม่จำเป็นต้องมีการทดสอบเพิ่มเติม การแทรกแซงจากผู้เชี่ยวชาญ หรืออุปกรณ์ทางการแพทย์ใหม่ เนื่องจากอาศัยการสแกน CT หัวใจซึ่งเป็นสิ่งที่ทำกันเป็นประจำอยู่แล้วในทางคลินิก
งานวิจัยนี้ นำโดยศาสตราจารย์ Charalambos Antoniades และตีพิมพ์ในวารสาร Journal of the American College of Cardiology ได้กล่าวถึงข้อจำกัดที่มีมายาวนานในด้านโรคหัวใจ นั่นคือ ภาวะหัวใจล้มเหลวมักจะได้รับการวินิจฉัยก็ต่อเมื่อเกิดความเสียหายทางโครงสร้างอย่างมีนัยสำคัญแล้ว ซึ่งในขณะนั้นทางเลือกในการป้องกันมักมีจำกัด ระบบที่เสนอมานี้จะเปลี่ยนความสนใจไปที่การเปลี่ยนแปลงทางชีวภาพในระยะเริ่มต้น ซึ่งเกิดขึ้นก่อนอาการที่มองเห็นได้หลายปี
หัวใจสำคัญของแบบจำลองนี้คือแหล่งข้อมูลที่ไม่ธรรมดา นั่นคือไขมันที่ล้อมรอบหัวใจ หรือที่เรียกว่าเนื้อเยื่อไขมันรอบหัวใจ (pericardial adipose tissue) แม้ว่าโดยทั่วไปแล้วเนื้อเยื่อนี้มักถูกมองข้ามในการวิเคราะห์ภาพสแกนตามปกติ แต่ดูเหมือนว่าเนื้อเยื่อนี้จะสะท้อนถึงการเปลี่ยนแปลงของการอักเสบและการเผาผลาญที่เกิดขึ้นในกล้ามเนื้อหัวใจเอง
นักวิจัยระบุว่า ไขมันสะสมเหล่านี้จะค่อยๆ เปลี่ยนแปลงลักษณะเนื้อสัมผัสไปตามความเครียดในระบบหัวใจและหลอดเลือด ทำให้เกิดรูปแบบที่ไม่สามารถตรวจจับได้ด้วยการตีความผลการตรวจภาพทางการแพทย์แบบปกติ ระบบ AI นี้ได้รับการออกแบบมาเพื่อระบุความแปรผันเล็กน้อยเหล่านี้และแปลงเป็นค่าประมาณความเสี่ยงต่อภาวะหัวใจล้มเหลวในอนาคต
การอ่านสัญญาณที่ดวงตาของมนุษย์มองไม่เห็น
การตรวจหัวใจด้วยเครื่อง CT scan เป็นวิธีการที่ใช้กันอย่างแพร่หลายในระบบบริการสุขภาพแห่งชาติของสหราชอาณาจักร (NHS) เพื่อตรวจสอบอาการเจ็บหน้าอกและประเมินโรคหลอดเลือดหัวใจ โดยมีการสแกนหลายแสนครั้งต่อปี ในขั้นตอนการทำงานทางคลินิกทั่วไป รังสีแพทย์จะเน้นไปที่การอุดตันของหลอดเลือดและสิ่งผิดปกติที่มองเห็นได้เป็นหลัก ในขณะที่เนื้อเยื่อไขมันโดยรอบจะได้รับการวิเคราะห์อย่างจำกัด
แบบจำลองของอ็อกซ์ฟอร์ดนำข้อมูลชั้นที่ถูกมองข้ามนี้มาใช้ประโยชน์ใหม่โดยการวิเคราะห์คุณลักษณะเชิงพื้นผิวภายในไขมันเยื่อหุ้มหัวใจ โดยใช้เทคนิคการเรียนรู้ของเครื่องที่ฝึกฝนจากข้อมูล CT ที่ไม่ระบุชื่อจากผู้ป่วย NHS มากกว่า 59,000 ราย ระบบเรียนรู้ที่จะเชื่อมโยงรูปแบบภาพเฉพาะกับพัฒนาการของภาวะหัวใจล้มเหลวในภายหลังในช่วงระยะเวลาติดตามผลระยะยาว
ในการทดสอบความถูกต้องซึ่งเกี่ยวข้องกับผู้ป่วยเพิ่มเติมอีก 13,424 ราย แบบจำลองให้ผลลัพธ์ความแม่นยำ 86% ในการทำนายความเสี่ยงต่อภาวะหัวใจล้มเหลวในระยะเวลาห้าปี พบว่าบุคคลที่จัดอยู่ในกลุ่มที่มีความเสี่ยงสูงสุดมีโอกาสเกิดภาวะดังกล่าวมากกว่าผู้ที่อยู่ในกลุ่มที่มีความเสี่ยงต่ำที่สุดประมาณ 20 เท่า โดยมีความน่าจะเป็นที่จะเกิดภาวะดังกล่าวภายในห้าปีประมาณหนึ่งในสี่
ที่สำคัญ ระบบนี้สร้างคะแนนความเสี่ยงโดยอัตโนมัติ โดยไม่ต้องให้แพทย์ป้อนข้อมูลด้วยตนเอง ทำให้ระบบนี้มีศักยภาพในการเป็นเครื่องมือสนับสนุนการตัดสินใจมากกว่าที่จะมาแทนที่กระบวนการวินิจฉัยที่มีอยู่เดิม
ตั้งแต่การสแกนหัวใจไปจนถึงการตรวจ CT สแกนทรวงอก และเส้นทางสู่ระบบบริการสุขภาพแห่งชาติ (NHS)
เป้าหมายที่กว้างกว่าของการวิจัยคือการขยายเทคโนโลยีให้เหนือกว่าการถ่ายภาพเฉพาะทางด้านหัวใจ ทีมงานกำลังปรับปรุงแบบจำลองเพื่อวิเคราะห์ภาพสแกน CT ช่องอกมาตรฐาน รวมถึงภาพที่ใช้ในการคัดกรองมะเร็งปอดและการวินิจฉัยโรคระบบทางเดินหายใจ เนื่องจากปริมาณการถ่ายภาพ CT ช่องอกมีมากกว่าการสแกนเฉพาะทางด้านหัวใจอย่างมาก การปรับปรุงดังกล่าวจะช่วยเพิ่มขอบเขตการใช้งานของระบบได้อย่างมาก
ในทางคลินิก ผลกระทบนั้นเกี่ยวข้องกับการแทรกแซงที่เร็วขึ้น การระบุผู้ป่วยที่มีความเสี่ยงสูงหลายปีก่อนที่อาการจะปรากฏ จะช่วยให้ผู้ให้บริการด้านสุขภาพสามารถปรับกลยุทธ์การติดตาม เริ่มการรักษาเชิงป้องกันได้เร็วขึ้น และจัดลำดับความสำคัญของทรัพยากรได้อย่างมีประสิทธิภาพมากขึ้น เนื่องจากปัจจุบันมีผู้ป่วยโรคหัวใจล้มเหลวมากกว่าหนึ่งล้านคนในสหราชอาณาจักร ผลกระทบต่อความต้องการด้านการดูแลสุขภาพในระยะยาวจึงมีมาก
ขณะนี้กำลังดำเนินการวางแผนเพื่อขออนุมัติจากหน่วยงานกำกับดูแลสำหรับการบูรณาการเข้ากับขั้นตอนการทำงานด้านรังสีวิทยาตามปกติภายในระบบบริการสุขภาพแห่งชาติ (NHS) หากได้รับการอนุมัติ ระบบจะทำงานอยู่เบื้องหลังขั้นตอนการถ่ายภาพมาตรฐาน โดยจะทำการประเมินความเสี่ยงโดยอัตโนมัติโดยไม่มีค่าใช้จ่ายเพิ่มเติมหรือการเปลี่ยนแปลงใดๆ ในโปรโตคอลการสแกน
งานวิจัยนี้ได้รับการสนับสนุนจากมูลนิธิโรคหัวใจแห่งอังกฤษ (British Heart Foundation) และศูนย์วิจัยชีวการแพทย์แห่งสถาบันวิจัยสุขภาพและการดูแลแห่งชาติ (National Institute for Health and Care Research Biomedical Research Centre) ในเมืองอ็อกซ์ฟอร์ด งานวิจัยนี้สะท้อนให้เห็นถึงการเปลี่ยนแปลงในวงกว้างของการถ่ายภาพทางการแพทย์ ซึ่งปัญญาประดิษฐ์ถูกนำมาใช้มากขึ้นไม่เพียงแต่ในการตรวจหาโรคที่มีอยู่แล้วเท่านั้น แต่ยังรวมถึงการคาดการณ์ความเสี่ยงในอนาคตจากสัญญาณทางชีวภาพที่ละเอียดอ่อน ซึ่งก่อนหน้านี้ไม่ค่อยได้ถูกนำมาใช้ประโยชน์ โดยสัญญาณเหล่านี้ถูกซ่อนอยู่ในภาพสแกนทั่วไป
ข้อจำกัดความรับผิดชอบ
สอดคล้องกับ แนวทางโครงการที่เชื่อถือได้โปรดทราบว่าข้อมูลที่ให้ไว้ในหน้านี้ไม่ได้มีจุดมุ่งหมายและไม่ควรตีความว่าเป็นคำแนะนำทางกฎหมาย ภาษี การลงทุน การเงิน หรือรูปแบบอื่นใด สิ่งสำคัญคือต้องลงทุนเฉพาะในสิ่งที่คุณสามารถที่จะสูญเสียได้ และขอคำแนะนำทางการเงินที่เป็นอิสระหากคุณมีข้อสงสัยใดๆ สำหรับข้อมูลเพิ่มเติม เราขอแนะนำให้อ้างอิงข้อกำหนดและเงื่อนไขตลอดจนหน้าช่วยเหลือและสนับสนุนที่ผู้ออกหรือผู้ลงโฆษณาให้ไว้ MetaversePost มุ่งมั่นที่จะรายงานที่ถูกต้องและเป็นกลาง แต่สภาวะตลาดอาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า
เกี่ยวกับผู้เขียน
อลิสา นักข่าวผู้ทุ่มเทของ MPostเชี่ยวชาญด้านคริปโตเคอร์เรนซี ปัญญาประดิษฐ์ การลงทุน และขอบเขตอันกว้างขวางของ... Web3- ด้วยสายตาที่กระตือรือร้นต่อแนวโน้มและเทคโนโลยีที่เกิดขึ้นใหม่ เธอจึงนำเสนอความครอบคลุมที่ครอบคลุมเพื่อแจ้งและดึงดูดผู้อ่านเกี่ยวกับภูมิทัศน์ทางการเงินดิจิทัลที่พัฒนาอยู่ตลอดเวลา
บทความอื่น ๆ
อลิสา นักข่าวผู้ทุ่มเทของ MPostเชี่ยวชาญด้านคริปโตเคอร์เรนซี ปัญญาประดิษฐ์ การลงทุน และขอบเขตอันกว้างขวางของ... Web3- ด้วยสายตาที่กระตือรือร้นต่อแนวโน้มและเทคโนโลยีที่เกิดขึ้นใหม่ เธอจึงนำเสนอความครอบคลุมที่ครอบคลุมเพื่อแจ้งและดึงดูดผู้อ่านเกี่ยวกับภูมิทัศน์ทางการเงินดิจิทัลที่พัฒนาอยู่ตลอดเวลา
