Штучний інтелект Оксфорда виявляє ризик серцевої недостатності на ранніх стадіях за допомогою рутинної комп'ютерної томографії з точністю 86% у 72 000 пацієнтів
Коротко
Дослідники з Оксфордського університету розробили систему штучного інтелекту, яка виявляє ледь помітні, невидимі зміни в серцевому жирі за допомогою звичайних комп'ютерних томографів, прогнозуючи ризик серцевої недостатності до п'яти років уперед з точністю 86% у 72 000 пацієнтів.
Дослідники в Оксфордський університет розробили систему штучного інтелекту, яка може оцінити ризик розвитку серцевої недостатності у пацієнта на строк до п'яти років, досягнувши точності 86% при валідації на понад 72 000 пацієнтів. Цей підхід не вимагає додаткового тестування, втручання спеціаліста чи нового медичного обладнання, оскільки він спирається на комп'ютерну томографію серця, яка вже регулярно виконується в клінічній практиці.
Робота, очолювана професором Хараламбосом Антоніадесом та опублікована в журналі Американського коледжу кардіології, розглядає давнє обмеження в кардіології: серцева недостатність зазвичай діагностується лише після того, як вже відбулося значне структурне пошкодження, і в такому разі профілактичні можливості часто обмежені. Запропонована система переключає увагу на ранні біологічні зміни, які передують видимим симптомам на кілька років.
В центрі моделі знаходиться нетрадиційне джерело даних: жир, що оточує серце, відомий як перикардіальна жирова тканина. Хоча традиційно її не враховують під час рутинного аналізу ультразвукових досліджень, ця тканина, ймовірно, відображає основні запальні та метаболічні зміни, що відбуваються в самому серцевому м'язі.
За словами дослідників, ці жирові відкладення поступово змінюють свою текстуру у відповідь на навантаження в серцево-судинній системі, створюючи закономірності, які неможливо виявити за допомогою стандартної людської інтерпретації результатів візуалізації. Система штучного інтелекту розроблена для виявлення цих тонких варіацій та перетворення їх на кількісну оцінку ризику серцевої недостатності в майбутньому.
Зчитування сигналів, які людське око не може бачити
Комп'ютерна томографія серця широко використовується в Національній службі охорони здоров'я Великої Британії для дослідження болю в грудях та оцінки ішемічної хвороби серця, і щорічно виконуються сотні тисяч сканувань. У типових клінічних робочих процесах рентгенологи зосереджуються переважно на артеріальних закупорках та видимих аномаліях, тоді як навколишня жирова тканина отримує обмежену аналітичну увагу.
Оксфордська модель переосмислює цей недооцінений шар даних, аналізуючи текстурні особливості перикардіального жиру. Використовуючи методи машинного навчання, навчені на анонімних даних КТ понад 59 000 пацієнтів Національної служби охорони здоров'я (NHS), система навчилася пов'язувати певні патерни візуалізації з пізнішим розвитком серцевої недостатності протягом тривалих періодів спостереження.
Під час валідаційного тестування, в якому взяли участь ще 13 424 пацієнти, модель продемонструвала точність прогнозування ризику серцевої недостатності протягом п'яти років із коефіцієнтом точності 86%. Виявилося, що особи, віднесені до групи найвищого ризику, мали приблизно у 20 разів вищу ймовірність розвитку цього стану, ніж ті, хто знаходився в найнижчій категорії, з оціночною ймовірністю виникнення захворювання протягом п'яти років один до чотирьох.
Важливо, що система автоматично генерує оцінки ризику, не вимагаючи ручного введення даних від клініцистів. Це позиціонує її як потенційний інструмент підтримки рішень, а не як заміну існуючих діагностичних процесів.
Від сканування серця до будь-якої комп'ютерної томографії грудної клітки — і шлях до Національної служби охорони здоров'я
Ширша мета дослідження полягає в розширенні технології за межі кардіоспецифічної візуалізації. Наразі команда працює над адаптацією моделі для аналізу стандартних комп'ютерних томографій грудної клітки, включаючи ті, що використовуються для скринінгу раку легенів та респіраторної діагностики. Враховуючи значно більший обсяг комп'ютерної томографії грудної клітки порівняно зі скануваннями, специфічними для серця, така адаптація може суттєво розширити охоплення системи.
Клінічні наслідки пов'язані з раннім втручанням. Виявляючи пацієнтів з високим ризиком за роки до появи симптомів, медичні працівники можуть коригувати стратегії моніторингу, раніше розпочинати профілактичне лікування та ефективніше розподіляти ресурси. Оскільки серцева недостатність вже вражає понад мільйон людей у Великій Британії, потенційний вплив на довгостроковий попит на медичне обслуговування є значним.
Наразі розробляються плани щодо отримання регуляторного схвалення для інтеграції в рутинні робочі процеси радіології в Національній службі охорони здоров'я (NHS). У разі прийняття система працюватиме у фоновому режимі стандартних процедур візуалізації, створюючи автоматизовану оцінку ризиків без додаткових витрат або змін у протоколах сканування.
Дослідження було підтримано Британським фондом серця та Центром біомедичних досліджень Національного інституту досліджень у галузі охорони здоров'я та догляду в Оксфорді. Воно відображає ширший зсув у медичній візуалізації, де штучний інтелект все частіше використовується не лише для виявлення існуючих захворювань, але й для визначення майбутнього ризику на основі ледь помітних, раніше недостатньо використовуваних біологічних сигналів, вбудованих у рутинні сканування.
відмова
Відповідно до Правила проекту Trust, будь ласка, зверніть увагу, що інформація, надана на цій сторінці, не призначена і не повинна тлумачитися як юридична, податкова, інвестиційна, фінансова або будь-яка інша форма консультації. Важливо інвестувати лише те, що ви можете дозволити собі втратити, і звернутися за незалежною фінансовою порадою, якщо у вас виникнуть сумніви. Щоб отримати додаткову інформацію, ми пропонуємо звернутися до положень та умов, а також до сторінок довідки та підтримки, наданих емітентом або рекламодавцем. MetaversePost прагне до точного, неупередженого звітування, але ринкові умови можуть змінюватися без попередження.
про автора
Аліса, відданий журналіст на MPost, спеціалізується на криптовалюті, штучному інтелекті, інвестиціях та широкій сфері Web3. З гострим поглядом на нові тенденції та технології, вона надає всебічне висвітлення, щоб інформувати та залучати читачів до постійно змінюваного ландшафту цифрових фінансів.
інші статті
Аліса, відданий журналіст на MPost, спеціалізується на криптовалюті, штучному інтелекті, інвестиціях та широкій сфері Web3. З гострим поглядом на нові тенденції та технології, вона надає всебічне висвітлення, щоб інформувати та залучати читачів до постійно змінюваного ландшафту цифрових фінансів.
