Model pembelajaran mendalam yang dikembangkan oleh para peneliti dari Program Kecerdasan Buatan dalam Kedokteran (AIM). dapat memprediksi 10 tahun risiko kematian akibat serangan jantung atau stroke menggunakan sinar-X dada tunggal.
Saat ini, risiko ini diperkirakan menggunakan skor risiko penyakit kardiovaskular aterosklerotik (ASCVD). Model statistik ini membutuhkan banyak parameter input, termasuk usia, jenis kelamin, ras, tekanan darah sistolik, pengobatan hipertensi, status merokok dan diabetes tipe 2, serta tes darah. Pasien dengan risiko 7.5% atau lebih tinggi direkomendasikan obat statin. Namun, seringkali, variabel-variabel ini tidak semuanya tersedia dalam catatan elektronik pasien.
Untuk mengatasi kekurangan ini, para peneliti menciptakan model pembelajaran mendalam yang dapat memperkirakan risiko 10 tahun dari kejadian kardiovaskular utama yang merugikan dari rontgen dada rutin. Pada minggu ini RSNA 2022, pertemuan tahunan Radiological Society of North America, penulis utama Jakob Weiss mempresentasikan hasil kerja tim.
“Model pembelajaran mendalam kami menawarkan solusi potensial untuk skrining oportunistik berbasis populasi terhadap risiko penyakit kardiovaskular menggunakan gambar rontgen dada yang ada,” jelas Weiss. “Jenis skrining ini dapat digunakan untuk mengidentifikasi individu yang mendapat manfaat dari pengobatan statin tetapi saat ini tidak diobati.”
Weiss dan rekan mengembangkan model risiko CXR-CVD menggunakan 147,497 rontgen dada dari 40,643 peserta di Uji coba skrining kanker PLCO. Mereka menguji kinerjanya menggunakan kelompok independen yang terdiri dari 11,430 pasien rawat jalan yang melakukan rontgen dada rutin di Mass General Brigham dan berpotensi memenuhi syarat untuk terapi statin. Selama rata-rata tindak lanjut 10.3 tahun, 9.6% dari pasien ini menderita kejadian jantung yang merugikan, dengan hubungan yang signifikan antara risiko yang diprediksi model dan kejadian yang diamati.
Pada 2401 pasien dengan data yang cukup tersedia, tim juga membandingkan nilai prognostik model risiko CXR-CVD dengan standar klinis yang ditetapkan untuk menentukan kelayakan statin. Dalam subset pasien ini, model menunjukkan kinerja yang mirip dengan standar klinis.
Algoritma open-source memprediksi risiko serangan jantung dari CT scan dada
“Keindahan dari pendekatan ini adalah Anda hanya memerlukan sinar-X, yang diperoleh jutaan kali sehari di seluruh dunia,” kata Weiss. “Kami telah lama mengetahui bahwa sinar-X menangkap informasi di luar temuan diagnostik tradisional, namun kami belum menggunakan data ini karena kami belum memiliki metode yang kuat dan andal. Kemajuan dalam AI memungkinkan sekarang.”
Weiss mencatat bahwa penelitian tambahan, termasuk percobaan acak terkontrol, diperlukan untuk memvalidasi model, yang pada akhirnya dapat berfungsi sebagai alat pendukung keputusan untuk dokter.
