Ένα μοντέλο βαθιάς μάθησης που αναπτύχθηκε από ερευνητές από το Πρόγραμμα Τεχνητής Νοημοσύνης στην Ιατρική (AIM). μπορεί να προβλέψει τον 10ετή κίνδυνο θανάτου από έμφραγμα ή εγκεφαλικό με τη χρήση μίας ακτινογραφίας θώρακα.
Επί του παρόντος, αυτός ο κίνδυνος εκτιμάται χρησιμοποιώντας τη βαθμολογία κινδύνου αθηροσκληρωτικής καρδιαγγειακής νόσου (ASCVD). Αυτό το στατιστικό μοντέλο απαιτεί πολλές εισαγωγικές παραμέτρους, όπως η ηλικία, το φύλο, η φυλή, η συστολική αρτηριακή πίεση, η θεραπεία της υπέρτασης, το κάπνισμα και η κατάσταση του διαβήτη τύπου 2 και εξετάσεις αίματος. Σε ασθενείς με κίνδυνο 7.5% ή μεγαλύτερο συνιστώνται φαρμακευτική αγωγή με στατίνες. Συχνά, ωστόσο, αυτές οι μεταβλητές δεν είναι όλες διαθέσιμες στο ηλεκτρονικό αρχείο του ασθενούς.
Για να διορθώσουν αυτό το έλλειμμα, οι ερευνητές δημιούργησαν ένα μοντέλο βαθιάς μάθησης που μπορεί να εκτιμήσει τον 10ετή κίνδυνο σοβαρών ανεπιθύμητων καρδιαγγειακών συμβαμάτων από μια συνηθισμένη ακτινογραφία θώρακος. Σε αυτήν την εβδομάδα RSNA 2022, η ετήσια συνάντηση της Radiological Society of North America, επικεφαλής συγγραφέας Jakob Weiss παρουσίασε το έργο της ομάδας.
«Το μοντέλο βαθιάς μάθησης μας προσφέρει μια πιθανή λύση για τον ευκαιριακό έλεγχο του κινδύνου καρδιαγγειακής νόσου βάσει πληθυσμού χρησιμοποιώντας υπάρχουσες εικόνες ακτινογραφίας θώρακα», εξηγεί ο Weiss. Αυτός ο τύπος προσυμπτωματικού ελέγχου θα μπορούσε να χρησιμοποιηθεί για τον εντοπισμό ατόμων που θα ωφελούνταν από τη φαρμακευτική αγωγή με στατίνες, αλλά επί του παρόντος δεν έχουν λάβει θεραπεία.
Ο Weiss και οι συνεργάτες του ανέπτυξαν το μοντέλο κινδύνου CXR-CVD χρησιμοποιώντας 147,497 ακτινογραφίες θώρακα από 40,643 συμμετέχοντες στο Δοκιμή προσυμπτωματικού ελέγχου καρκίνου PLCO. Έλεγξαν την απόδοσή του χρησιμοποιώντας μια ανεξάρτητη ομάδα 11,430 εξωτερικών ασθενών που έκαναν ακτινογραφία θώρακος ρουτίνας στο Mass General Brigham και ήταν δυνητικά επιλέξιμοι για θεραπεία με στατίνες. Κατά τη διάμεση παρακολούθηση των 10.3 ετών, το 9.6% αυτών των ασθενών υπέστη μείζον ανεπιθύμητο καρδιακό συμβάν, με σημαντική συσχέτιση μεταξύ του προβλεπόμενου από το μοντέλο κινδύνου και των παρατηρούμενων συμβάντων.
Στους 2401 ασθενείς με επαρκή διαθέσιμα δεδομένα, η ομάδα συνέκρινε επίσης την προγνωστική αξία του μοντέλου κινδύνου CXR-CVD με το καθιερωμένο κλινικό πρότυπο για τον καθορισμό της καταλληλότητας των στατινών. Σε αυτό το υποσύνολο ασθενών, το μοντέλο παρουσίασε παρόμοια απόδοση με το κλινικό πρότυπο.
Ο αλγόριθμος ανοιχτού κώδικα προβλέπει τον κίνδυνο καρδιακής προσβολής από την αξονική τομογραφία θώρακα
«Η ομορφιά αυτής της προσέγγισης είναι ότι χρειάζεστε μόνο μια ακτινογραφία, η οποία λαμβάνεται εκατομμύρια φορές την ημέρα σε όλο τον κόσμο», λέει ο Weiss. «Έχουμε αναγνωρίσει από καιρό ότι οι ακτίνες Χ συλλαμβάνουν πληροφορίες πέρα από τα παραδοσιακά διαγνωστικά ευρήματα, αλλά δεν έχουμε χρησιμοποιήσει αυτά τα δεδομένα επειδή δεν είχαμε ισχυρές, αξιόπιστες μεθόδους. Οι πρόοδοι στην τεχνητή νοημοσύνη το καθιστούν δυνατό τώρα.»
Ο Weiss σημειώνει ότι απαιτείται πρόσθετη έρευνα, συμπεριλαμβανομένης μιας ελεγχόμενης τυχαιοποιημένης δοκιμής, για την επικύρωση του μοντέλου, το οποίο θα μπορούσε τελικά να χρησιμεύσει ως εργαλείο υποστήριξης αποφάσεων για τους γιατρούς.
