Syväoppimismalli, jonka ovat kehittäneet tutkijat Tekoäly lääketieteessä (AIM) -ohjelma voi ennustaa 10 vuoden riskin kuolla sydänkohtaukseen tai aivohalvaukseen yhdellä rintakehän röntgenkuvalla.
Tällä hetkellä tämä riski arvioidaan käyttämällä ateroskleroottisen sydän- ja verisuonitaudin (ASCVD) riskipisteitä. Tämä tilastollinen malli vaatii lukuisia syöteparametreja, mukaan lukien ikä, sukupuoli, rotu, systolinen verenpaine, verenpainetaudin hoito, tupakointi ja tyypin 2 diabeteksen tila sekä verikokeet. Potilaille, joiden riski on 7.5 % tai suurempi, suositellaan statiinilääkitystä. Usein nämä muuttujat eivät kuitenkaan ole kaikki saatavilla potilaan sähköisessä tietueessa.
Tämän puutteen korjaamiseksi tutkijat loivat syväoppimismallin, joka voi arvioida 10 vuoden riskin vakaville haitallisille sydän- ja verisuonitapahtumille rutiininomaisesta rintakehän röntgenkuvasta. Tällä viikolla RSNA 2022, Pohjois-Amerikan radiologisen seuran vuosikokous, johtava kirjoittaja Jakob Weiss esitteli joukkueen työtä.
"Syväoppimismallimme tarjoaa potentiaalisen ratkaisun väestöpohjaiseen opportunistiseen sydän- ja verisuonisairauksien riskin seulomiseen käyttämällä olemassa olevia rintakehän röntgenkuvia", Weiss selittää. "Tämän tyyppistä seulontaa voitaisiin käyttää sellaisten henkilöiden tunnistamiseen, jotka hyötyisivät statiinilääkityksestä, mutta ovat tällä hetkellä hoitamattomia."
Weiss ja kollegat kehittivät CXR-CVD-riskimallinsa käyttämällä 147,497 40,643 rintakehän röntgenkuvaa XNUMX XNUMX osallistujalta. PLCO-syöpäseulontatutkimus. He testasivat sen suorituskykyä riippumattomalla ryhmällä, jossa oli 11,430 10.3 avopotilasta, joille tehtiin tavallinen rintakehän röntgenkuva Mass General Brighamissa ja jotka olivat mahdollisesti kelvollisia statiinihoitoon. Keskimääräisen 9.6 vuoden seurannan aikana XNUMX % näistä potilaista kärsi suuresta haitallisesta sydäntapahtumasta, ja mallin mukaan ennustetun riskin ja havaittujen tapahtumien välillä oli merkittävä yhteys.
Niillä 2401 XNUMX potilaalla, joilla oli riittävästi tietoa saatavilla, ryhmä myös vertasi CXR-CVD-riskimallin ennustearvoa vakiintuneeseen kliiniseen standardiin statiinien kelpoisuuden määrittämiseksi. Tässä potilaiden alajoukossa malli osoitti samanlaista suorituskykyä kuin kliininen standardi.
Avoimen lähdekoodin algoritmi ennustaa sydänkohtausriskin rintakehän CT-skannauksesta
"Tämän lähestymistavan kauneus on, että tarvitset vain röntgenkuvan, joka otetaan miljoonia kertoja päivässä ympäri maailmaa", Weiss sanoo. "Olemme pitkään tiedostaneet, että röntgensäteet keräävät tietoa perinteisten diagnostisten löydösten lisäksi, mutta emme ole käyttäneet näitä tietoja, koska meillä ei ole ollut vankkoja ja luotettavia menetelmiä. Tekoälyn kehitys mahdollistaa sen nyt."
Weiss huomauttaa, että mallin validoimiseksi tarvitaan lisätutkimusta, mukaan lukien kontrolloitu satunnaistettu tutkimus, joka voisi lopulta toimia päätöksenteon tukityökaluna lääkäreille.
