Süvaõppe mudel, mille on välja töötanud teadlased Tehisintellekti programm meditsiinis (AIM). suudab ühe rindkere röntgenülesvõtte abil ennustada 10-aastast südameinfarkti või insuldi surmariski.
Praegu hinnatakse seda riski aterosklerootilise kardiovaskulaarse haiguse (ASCVD) riskiskoori abil. See statistiline mudel nõuab arvukalt sisendparameetreid, sealhulgas vanust, sugu, rassi, süstoolset vererõhku, hüpertensiooni ravi, suitsetamist ja II tüüpi diabeedi staatust ning vereanalüüse. Patsientidel, kelle risk on 2% või suurem, soovitatakse statiiniravi. Sageli pole aga kõik need muutujad patsiendi elektroonilises registris saadaval.
Selle puudujäägi parandamiseks lõid teadlased süvaõppe mudeli, mis suudab rutiinse rindkere röntgenograafia põhjal hinnata suurte kardiovaskulaarsete sündmuste 10-aastast riski. Sellel nädalal RSNA 2022, Põhja-Ameerika Radioloogiaühingu aastakoosolek, juhtiv autor Jakob Weiss tutvustas meeskonna tööd.
"Meie süvaõppemudel pakub potentsiaalset lahendust südame-veresoonkonna haiguste riski populatsioonipõhiseks oportunistlikuks sõeluuringuks, kasutades olemasolevaid rindkere röntgenipilte, " selgitab Weiss. "Seda tüüpi sõeluuringuid võiks kasutada isikute tuvastamiseks, kes saaksid statiiniravimitest kasu, kuid keda praegu ei ravita."
Weiss ja tema kolleegid töötasid välja oma CXR-CVD riskimudeli, kasutades 147,497 40,643 rindkere röntgenikiirgust XNUMX XNUMX osalejalt. PLCO vähi sõeluuringu uuring. Nad testisid selle toimivust sõltumatu rühmaga, kuhu kuulus 11,430 10.3 ambulatoorset patsienti, kellele tehti Mass General Brighami rutiinne rindkere röntgenuuring ja kes olid potentsiaalselt sobilikud statiinraviks. Keskmise 9.6, XNUMX-aastase jälgimisperioodi jooksul esines XNUMX, XNUMX% neist patsientidest tõsine südamega seotud kõrvaltoime, millel oli oluline seos mudeli prognoositud riski ja täheldatud sündmuste vahel.
2401 patsiendil, kellel oli piisavalt andmeid, võrdles meeskond ka CXR-CVD riskimudeli prognostilist väärtust statiinide sobivuse otsustamiseks kehtestatud kliinilise standardiga. Selles patsientide alamrühmas oli mudelil sarnane toimivus kliinilise standardiga.
Avatud lähtekoodiga algoritm ennustab rindkere CT-skaneerimisest südameinfarkti riski
"Selle lähenemisviisi ilu seisneb selles, et vajate ainult röntgenikiirgust, mida kogutakse miljoneid kordi päevas kogu maailmas, " ütleb Weiss. "Oleme juba ammu mõistnud, et röntgenikiirgus kogub teavet, mis ületab traditsiooniliste diagnostiliste leidude, kuid me ei ole neid andmeid kasutanud, kuna meil pole olnud tugevaid ja usaldusväärseid meetodeid. AI edusammud teevad selle nüüd võimalikuks.
Weiss märgib, et mudeli kinnitamiseks on vaja täiendavaid uuringuid, sealhulgas kontrollitud randomiseeritud uuringut, mis võib lõppkokkuvõttes olla arstide otsustusabivahend.
