Oxford Yapay Zekası, 72,000 Hasta Üzerinde Yapılan Rutin BT Taramalarından Kalp Yetmezliği Riskini %86 Doğrulukla Tespit Ediyor
Kısaca
Oxford Üniversitesi'ndeki araştırmacılar, rutin BT taramalarından elde edilen verilerle kalp yağındaki ince, görünmez değişiklikleri tespit eden ve 72,000 hasta üzerinde %86 doğrulukla kalp yetmezliği riskini beş yıla kadar önceden tahmin edebilen bir yapay zeka sistemi geliştirdi.
Araştırmacılar Oxford Üniversitesi Bir hastanın kalp yetmezliği geliştirme riskini beş yıla kadar önceden tahmin edebilen ve 72,000'den fazla hasta üzerinde yapılan doğrulama çalışmalarında %86 doğruluk oranına ulaşan bir yapay zeka sistemi geliştirdik. Bu yaklaşım, klinik uygulamada rutin olarak zaten yapılan kardiyak BT taramalarına dayandığı için ek test, uzman müdahalesi veya yeni tıbbi ekipman gerektirmiyor.
Profesör Charalambos Antoniades liderliğindeki ve Amerikan Kardiyoloji Koleji Dergisi'nde yayınlanan çalışma, kardiyolojideki uzun süredir devam eden bir sınırlamaya değiniyor: kalp yetmezliği genellikle ancak önemli yapısal hasar meydana geldikten sonra teşhis ediliyor ve bu noktada önleyici seçenekler genellikle sınırlı kalıyor. Önerilen sistem, dikkati görünür semptomlardan birkaç yıl önce meydana gelen erken biyolojik değişikliklere kaydırıyor.
Modelin merkezinde alışılmadık bir veri kaynağı yer alıyor: kalbi çevreleyen ve perikardiyal yağ dokusu olarak bilinen yağ. Geleneksel tarama analizlerinde göz ardı edilen bu doku, kalp kasının kendisinde meydana gelen altta yatan inflamatuar ve metabolik değişiklikleri yansıtıyor gibi görünüyor.
Araştırmacılara göre, bu yağ birikintileri kardiyovasküler sistemdeki strese tepki olarak dokularını kademeli olarak değiştirerek, görüntüleme sonuçlarının standart insan yorumlamasıyla tespit edilemeyen desenler oluşturuyor. Yapay zeka sistemi, bu ince varyasyonları belirlemek ve bunları gelecekteki kalp yetmezliği için nicel bir risk tahminine dönüştürmek üzere tasarlanmıştır.
İnsan Gözünün Göremediği Sinyalleri Okumak
Kalp BT görüntülemesi, İngiltere Ulusal Sağlık Hizmetleri'nde göğüs ağrısını araştırmak ve koroner arter hastalığını değerlendirmek için yaygın olarak kullanılmakta olup, yılda yüz binlerce tarama gerçekleştirilmektedir. Tipik klinik iş akışlarında, radyologlar öncelikle arter tıkanıklıklarına ve görünür anormalliklere odaklanırken, çevredeki yağ dokusuna sınırlı analitik dikkat gösterilmektedir.
Oxford modeli, perikardiyal yağ dokusundaki dokusal özellikleri analiz ederek bu göz ardı edilen veri katmanını yeniden işlevlendiriyor. 59,000'den fazla NHS hastasından alınan anonimleştirilmiş BT verileri üzerinde eğitilmiş makine öğrenme tekniklerini kullanan sistem, belirli görüntüleme modellerini uzun vadeli takip dönemlerinde kalp yetmezliğinin daha sonraki gelişimiyle ilişkilendirmeyi öğrendi.
13,424 ek hastayı içeren doğrulama testlerinde, model beş yıllık kalp yetmezliği riskini tahmin etmede %86 doğruluk oranı elde etti. En yüksek risk grubunda sınıflandırılan bireylerin, en düşük kategoridekilere göre bu rahatsızlığı geliştirme olasılığının yaklaşık 20 kat daha fazla olduğu ve beş yıl içinde ortaya çıkma olasılığının dörtte bir olduğu tahmin edilmektedir.
Daha da önemlisi, sistem, klinisyenlerden manuel girdi gerektirmeden risk puanlarını otomatik olarak oluşturur. Bu da onu mevcut tanı süreçlerinin yerine geçmekten ziyade potansiyel bir karar destek aracı olarak konumlandırır.
Kalp Taramalarından Göğüs BT'lerine ve NHS'ye Giden Yola
Araştırmanın daha geniş kapsamlı amacı, teknolojiyi kalbe özgü görüntülemenin ötesine genişletmektir. Ekip şu anda modeli, akciğer kanseri taraması ve solunum yolu teşhisinde kullanılanlar da dahil olmak üzere standart göğüs BT taramalarını analiz edecek şekilde uyarlamak üzerinde çalışıyor. Kalbe özgü taramalara kıyasla göğüs BT görüntülemesinin hacminin önemli ölçüde daha yüksek olduğu göz önüne alındığında, böyle bir uyarlama sistemin erişim alanını önemli ölçüde artırabilir.
Klinik açıdan bakıldığında, bunun önemi daha erken müdahaleyle bağlantılıdır. Semptomlar ortaya çıkmadan yıllar önce yüksek riskli hastaları belirleyerek, sağlık hizmeti sağlayıcıları izleme stratejilerini ayarlayabilir, önleyici tedavilere daha erken başlayabilir ve kaynakları daha etkili bir şekilde önceliklendirebilirler. Kalp yetmezliğinin Birleşik Krallık'ta halihazırda bir milyondan fazla insanı etkilediği göz önüne alındığında, uzun vadeli sağlık hizmeti talebi üzerindeki potansiyel etkisi oldukça büyüktür.
Şu anda, sistemin NHS (Ulusal Sağlık Sistemi) bünyesindeki rutin radyoloji iş akışlarına entegrasyonu için düzenleyici onay alınması çalışmaları devam etmektedir. Kabul edilmesi halinde, sistem standart görüntüleme prosedürlerinin arka planında çalışacak ve ek maliyet veya tarama protokollerinde değişiklik olmaksızın otomatik risk değerlendirmeleri üretecektir.
Araştırma, İngiliz Kalp Vakfı ve Oxford'daki Ulusal Sağlık ve Bakım Araştırma Enstitüsü Biyomedikal Araştırma Merkezi tarafından desteklenmiştir. Bu çalışma, yapay zekanın yalnızca mevcut hastalıkları tespit etmek için değil, aynı zamanda rutin taramalarda yer alan ve daha önce yeterince kullanılmayan ince biyolojik sinyallerden gelecekteki riski tahmin etmek için de giderek daha fazla kullanıldığı tıbbi görüntülemedeki daha geniş bir değişimi yansıtmaktadır.
Feragatname
Doğrultusunda Trust Project yönergeleri, lütfen bu sayfada sağlanan bilgilerin hukuki, vergi, yatırım, finansal veya başka herhangi bir tavsiye niteliğinde olmadığını ve bu şekilde yorumlanmaması gerektiğini unutmayın. Yalnızca kaybetmeyi göze alabileceğiniz kadar yatırım yapmak ve herhangi bir şüpheniz varsa bağımsız finansal tavsiye almak önemlidir. Daha fazla bilgi için şartlar ve koşulların yanı sıra kartı veren kuruluş veya reklamveren tarafından sağlanan yardım ve destek sayfalarına bakmanızı öneririz. MetaversePost doğru, tarafsız raporlamaya kendini adamıştır, ancak piyasa koşulları önceden haber verilmeksizin değiştirilebilir.
Yazar hakkında
Alisa, kendini işine adamış bir gazetecidir. MPostKripto para birimleri, yapay zeka, yatırımlar ve geniş kapsamlı alanlarda uzmanlaşmıştır. Web3. Gelişmekte olan trendlere ve teknolojilere yönelik keskin bir bakış açısıyla, okuyucuları sürekli gelişen dijital finans ortamı hakkında bilgilendirmek ve etkileşime geçirmek için kapsamlı bir kapsam sunuyor.
Daha fazla haber
Alisa, kendini işine adamış bir gazetecidir. MPostKripto para birimleri, yapay zeka, yatırımlar ve geniş kapsamlı alanlarda uzmanlaşmıştır. Web3. Gelişmekte olan trendlere ve teknolojilere yönelik keskin bir bakış açısıyla, okuyucuları sürekli gelişen dijital finans ortamı hakkında bilgilendirmek ve etkileşime geçirmek için kapsamlı bir kapsam sunuyor.
