Natutukoy ng Oxford AI ang Maagang Panganib ng Pagpalya ng Puso Mula sa mga Karaniwang CT Scan na May 86% na Katumpakan sa 72,000 Pasyente
Sa madaling sabi
Ang mga mananaliksik sa University of Oxford ay nakabuo ng isang AI system na nakakakita ng mga banayad at hindi nakikitang pagbabago sa taba sa puso mula sa mga regular na CT scan, na hinuhulaan ang panganib ng pagpalya ng puso hanggang limang taon na mas maaga na may 86% na katumpakan sa 72,000 na mga pasyente.
Mananaliksik sa University of Oxford nakabuo ng isang artificial intelligence system na maaaring tantyahin ang panganib ng isang pasyente na magkaroon ng heart failure hanggang limang taon nang maaga, na nakakamit ng 86% na katumpakan sa pagpapatunay sa mahigit 72,000 pasyente. Ang pamamaraan ay hindi nangangailangan ng karagdagang pagsusuri, interbensyon ng espesyalista, o mga bagong kagamitang medikal, dahil umaasa ito sa mga cardiac CT scan na regular nang isinasagawa sa klinikal na kasanayan.
Ang pag-aaral, na pinangunahan ni Propesor Charalambos Antoniades at inilathala sa Journal of the American College of Cardiology, ay tumutugon sa isang matagal nang limitasyon sa kardyolohiya: ang pagpalya ng puso ay karaniwang nasusuri lamang pagkatapos maganap ang malaking pinsala sa istruktura, kung saan ang mga opsyon sa pag-iwas ay kadalasang limitado. Ang iminungkahing sistema ay nagbibigay-pansin sa mga maagang pagbabagong biyolohikal na nauuna sa mga nakikitang sintomas nang ilang taon.
Sa gitna ng modelo ay isang hindi pangkaraniwang mapagkukunan ng datos: ang taba na nakapalibot sa puso, na kilala bilang pericardial adipose tissue. Bagama't tradisyonal na hindi napapansin sa karaniwang pagsusuri ng scan, ang tisyung ito ay tila sumasalamin sa pinagbabatayan na mga pagbabago sa pamamaga at metabolismo na nagaganap sa mismong kalamnan ng puso.
Ayon sa mga mananaliksik, unti-unting binabago ng mga deposito ng taba na ito ang kanilang tekstura bilang tugon sa stress sa cardiovascular system, na lumilikha ng mga pattern na hindi matutukoy sa pamamagitan ng karaniwang interpretasyon ng tao sa mga resulta ng imaging. Ang AI system ay dinisenyo upang matukoy ang mga banayad na pagkakaiba-iba na ito at isalin ang mga ito sa isang tinantyang pagtatantya ng panganib para sa pagpalya ng puso sa hinaharap.
Mga Senyales sa Pagbasa na Hindi Nakikita ng Mata ng Tao
Ang cardiac CT imaging ay malawakang ginagamit sa buong National Health Service ng UK upang siyasatin ang pananakit ng dibdib at masuri ang coronary artery disease, na may daan-daang libong scan na isinasagawa taun-taon. Sa mga karaniwang klinikal na daloy ng trabaho, ang mga radiologist ay pangunahing nakatuon sa mga bara sa arterya at mga nakikitang abnormalidad, habang ang nakapalibot na fat tissue ay tumatanggap ng limitadong analytical na atensyon.
Binago ng modelong Oxford ang paggamit ng hindi napapansing layer ng datos na ito sa pamamagitan ng pagsusuri ng mga katangiang tekstural sa loob ng pericardial fat. Gamit ang mga pamamaraan ng machine learning na sinanay sa hindi nagpapakilalang datos ng CT mula sa mahigit 59,000 pasyente ng NHS, natutunan ng sistema na iugnay ang mga partikular na pattern ng imaging sa pag-unlad ng pagpalya ng puso sa mga pangmatagalang panahon ng follow-up.
Sa pagsusuri sa pagpapatunay na kinasasangkutan ng 13,424 na karagdagang pasyente, ang modelo ay nakabuo ng 86% na antas ng katumpakan sa paghula ng limang-taong panganib ng pagpalya ng puso. Ang mga indibidwal na inuri sa pangkat na may pinakamataas na panganib ay natagpuang humigit-kumulang 20 beses na mas malamang na magkaroon ng kondisyon kaysa sa mga nasa pinakamababang kategorya, na may tinatayang isa-sa-apat na posibilidad na magsimula sa loob ng limang taon.
Mahalaga, awtomatikong bumubuo ang sistema ng mga marka ng panganib, nang hindi nangangailangan ng manu-manong input mula sa mga clinician. Inilalagay ito bilang isang potensyal na kasangkapan sa pagsuporta sa desisyon sa halip na isang pamalit sa mga umiiral na proseso ng pagsusuri.
Mula sa Cardiac Scans Hanggang sa Anumang Chest CT — At Isang Landas Patungo sa NHS
Ang mas malawak na ambisyon ng pananaliksik ay palawakin ang teknolohiyang ito nang higit pa sa cardiac-specific imaging. Kasalukuyang nagtatrabaho ang pangkat sa pag-aangkop ng modelo upang masuri ang mga karaniwang chest CT scan, kabilang ang mga ginagamit sa screening ng kanser sa baga at mga diagnostic sa respiratoryo. Dahil sa mas mataas na dami ng chest CT imaging kumpara sa mga cardiac-specific scan, ang ganitong adaptasyon ay maaaring lubos na makapagpalawak ng abot ng sistema.
Sa klinikal na aspeto, ang mga implikasyon ay nakaugnay sa mas maagang interbensyon. Sa pamamagitan ng pagtukoy sa mga pasyenteng may mataas na panganib ilang taon bago lumitaw ang mga sintomas, maaaring isaayos ng mga tagapagbigay ng pangangalagang pangkalusugan ang mga estratehiya sa pagsubaybay, simulan ang mga paggamot na pang-iwas nang mas maaga, at mas epektibong unahin ang mga mapagkukunan. Dahil ang pagpalya ng puso ay nakakaapekto na sa mahigit isang milyong tao sa UK, malaki ang potensyal na epekto sa pangmatagalang pangangailangan sa pangangalagang pangkalusugan.
May mga plano na ngayon upang humingi ng pag-apruba ng mga regulator para sa pagsasama sa mga nakagawiang daloy ng trabaho sa radiology sa loob ng NHS. Kung mapagtibay, ang sistema ay gagana kasabay ng mga karaniwang pamamaraan ng imaging, na gagawa ng mga awtomatikong pagtatasa ng panganib nang walang karagdagang gastos o pagbabago sa mga protocol ng pag-scan.
Ang pananaliksik ay sinuportahan ng British Heart Foundation at ng National Institute for Health and Care Research Biomedical Research Centre sa Oxford. Ito ay sumasalamin sa isang mas malawak na pagbabago sa medical imaging, kung saan ang artificial intelligence ay lalong ginagamit hindi lamang upang matukoy ang umiiral na sakit kundi pati na rin upang mahulaan ang panganib sa hinaharap mula sa mga banayad at dating hindi gaanong nagagamit na mga biological signal na naka-embed sa mga karaniwang pag-scan.
Pagtanggi sa pananagutan
Sa linya na may Mga alituntunin ng Trust Project, pakitandaan na ang impormasyong ibinigay sa pahinang ito ay hindi nilayon at hindi dapat bigyang-kahulugan bilang legal, buwis, pamumuhunan, pananalapi, o anumang iba pang paraan ng payo. Mahalagang mamuhunan lamang kung ano ang maaari mong mawala at humingi ng independiyenteng payo sa pananalapi kung mayroon kang anumang mga pagdududa. Para sa karagdagang impormasyon, iminumungkahi naming sumangguni sa mga tuntunin at kundisyon pati na rin sa mga pahina ng tulong at suporta na ibinigay ng nagbigay o advertiser. MetaversePost ay nakatuon sa tumpak, walang pinapanigan na pag-uulat, ngunit ang mga kondisyon ng merkado ay maaaring magbago nang walang abiso.
Tungkol sa Ang May-akda
Alisa, isang dedikadong mamamahayag sa MPost, ay dalubhasa sa crypto, AI, mga pamumuhunan, at sa malawak na larangan ng Web3. Sa isang matalas na mata para sa mga umuusbong na uso at teknolohiya, naghahatid siya ng komprehensibong saklaw upang ipaalam at hikayatin ang mga mambabasa sa patuloy na umuusbong na tanawin ng digital finance.
Mas marami pang artikulo
Alisa, isang dedikadong mamamahayag sa MPost, ay dalubhasa sa crypto, AI, mga pamumuhunan, at sa malawak na larangan ng Web3. Sa isang matalas na mata para sa mga umuusbong na uso at teknolohiya, naghahatid siya ng komprehensibong saklaw upang ipaalam at hikayatin ang mga mambabasa sa patuloy na umuusbong na tanawin ng digital finance.
