Μπορεί η τεχνητή νοημοσύνη να προβλέψει τον κίνδυνο θανάτου από καρδιακή προσβολή;

Σε μια πολλά υποσχόμενη πρώιμη μελέτη, ένα μοντέλο τεχνητής νοημοσύνης (AI) θα μπορούσε να προβλέψει τον 10ετή κίνδυνο θανάτου των ασθενών από καρδιακή προσβολή ή εγκεφαλικό επεισόδιο χρησιμοποιώντας μια μόνο ακτινογραφία θώρακα. Παραδοσιακά, οι πάροχοι υγείας χρησιμοποιούν έναν εκτιμητή κινδύνου ASCVD για να προβλέψουν τον 10ετή κίνδυνο αθηροσκλήρωσης ενός ασθενούς – συσσώρευση χοληστερόλης και λιπών στα τοιχώματα των αρτηριών. Αυτή η προσέγγιση απαιτεί συχνά από τον καρδιολόγο να μετρήσει την αρτηριακή πίεση του ασθενούς και να εκτελέσει διάφορες εξετάσεις.

Ποια νέα προσέγγιση παρουσιάζεται στην έρευνα;

Ένα προηγμένο μοντέλο τεχνητής νοημοσύνης μπορεί να χρησιμοποιήσει εικόνες από ακτίνες Χ του θώρακα για να προβλέψει τον καρδιαγγειακό κίνδυνο θανάτου ενός ατόμου σε διάστημα 10 ετών με παρόμοια ακρίβεια με την παραδοσιακή εκτίμηση κινδύνου. Οι ακτινογραφίες θώρακος είναι ήδη συνηθισμένες για τον έλεγχο για πολλές ασθένειες. Εάν ένα μοντέλο τεχνητής νοημοσύνης μπορεί να εκμεταλλευτεί αυτό το δημοφιλές εργαλείο απεικόνισης, μπορεί να βοηθήσει στον εντοπισμό ασθενών με υψηλό κίνδυνο για καρδιακές παθήσεις, οι οποίοι διαφορετικά μπορεί να μην είχαν επισκεφθεί καρδιολόγο. Τέτοιοι ασθενείς θα μπορούσαν να λάβουν μια στατίνη ή ένα φάρμακο για την αρτηριακή πίεση για να μειώσουν τις πιθανότητες να υποστούν καρδιακή προσβολή ή εγκεφαλικό επεισόδιο. Το προγνωστικό μοντέλο δεν προορίζεται να αντικαταστήσει τον παραδοσιακό υπολογιστή βαθμολογίας κινδύνου. Αλλά αν δοθεί το πράσινο φως, το μοντέλο θα μπορούσε να χρησιμοποιηθεί για την πρόβλεψη των αποτελεσμάτων της υγείας ανθρώπων που διαφορετικά θα μπορούσαν να περάσουν απαρατήρητοι.

Πώς εκπαιδεύτηκε ένας υπολογιστής να προβλέπει καρδιακές παθήσεις;

Η βαθιά μάθηση είναι ένας πολύπλοκος τύπος τεχνητής νοημοσύνης. Για τη μελέτη αυτή, οι ερευνητές εκπαίδευσαν ένα μοντέλο βαθιάς μάθησης να αναζητά τον κίνδυνο καρδιαγγειακού επεισοδίου τροφοδοτώντας το με περισσότερες από 147.000 ακτινογραφίες θώρακος από περισσότερους από 40.000 ανθρώπους και είπαν στον υπολογιστή ποιοι από αυτούς τους ασθενείς πέθαναν από καρδιακή νόσο σε διάστημα 10 ετών. Τα δεδομένα προέρχονταν από τη μελέτη διαλογής για τον καρκίνο του προστάτη, του πνεύμονα, του παχέος εντέρου και των ωοθηκών. Με αυτή την προσέγγιση, οι επιστήμονες δίνουν στη μηχανή ένα σύνολο κανόνων στην αρχή και ένα σύνολο αποτελεσμάτων στο τέλος, και η μηχανή θα επεξεργαστεί κατά κάποιον τρόπο τα ενδιάμεσα βήματα. Η ιδέα είναι ότι ο υπολογιστής μπορεί να βρει ορισμένους δείκτες καρδιακών προβλημάτων που μπορεί να είναι αόρατοι στους καρδιολόγους. Επειδή αυτό γίνεται κατά κάποιο τρόπο μαθηματικά και όχι με τρόπο που είναι εύκολο να κατανοήσουν οι άνθρωποι, ορισμένοι είχαν ανησυχίες σχετικά με την τεχνητή νοημοσύνη που είναι ένα μαύρο κουτί. Για να ελέγξουν ότι το μοντέλο λειτουργεί με δεδομένα που δεν είχε δει ποτέ πριν, οι ερευνητές τροφοδότησαν το μοντέλο με πρόσθετες εικόνες από μια ξεχωριστή ομάδα 11.430 ασθενών που έκαναν μια συνηθισμένη ακτινογραφία θώρακα.

Ποια ήταν τα αποτελέσματα της έρευνας;

Υπήρξε σημαντική συσχέτιση μεταξύ των προβλέψεων κινδύνου του μοντέλου τεχνητής νοημοσύνης και των πραγματικών αποτελεσμάτων για σχεδόν το 10% των ασθενών που παρουσίασαν ένα μείζον δυσμενές καρδιακό συμβάν κάποια στιγμή στα επόμενα 10,3 χρόνια. Το ένα πέμπτο των ασθενών είχε αρκετά δεδομένα στον ιατρικό φάκελό του για να υπολογίσει τον 10ετή κίνδυνο θανάτου από καρδιαγγειακή νόσο χρησιμοποιώντας την προσέγγιση ASCVD. Η παραδοσιακή μέθοδος και το μοντέλο βαθιάς μάθησης είχαν παρόμοιες επιδόσεις στην πρόβλεψη του 10ετούς κινδύνου θανάτου των ασθενών που σχετίζεται με καρδιαγγειακή νόσο. Τα αποτελέσματα ήταν ελπιδοφόρα, αλλά το μοντέλο μπορεί να χρειαστεί να γίνει πιο ακριβές προτού μπορέσει να εφαρμοστεί στην κλινική πρακτική.