מודל למידה עמוקה שפותח על ידי חוקרים מה- תוכנית בינה מלאכותית ברפואה (AIM). יכול לחזות את הסיכון של 10 שנים למוות מהתקף לב או שבץ באמצעות צילום חזה בודד.
נכון לעכשיו, סיכון זה מוערך באמצעות ציון הסיכון למחלות לב וכלי דם (ASCVD). מודל סטטיסטי זה דורש פרמטרים רבים של קלט, כולל גיל, מין, גזע, לחץ דם סיסטולי, טיפול ביתר לחץ דם, עישון ומצב סוכרת מסוג 2 ובדיקות דם. לחולים עם סיכון של 7.5% ומעלה מומלצים תרופות סטטינים. עם זאת, לעתים קרובות, משתנים אלה אינם זמינים כולם בתיעוד האלקטרוני של המטופל.
כדי לתקן את החסר הזה, החוקרים יצרו מודל למידה עמוקה שיכול להעריך את הסיכון של 10 שנים לאירועים קרדיו-וסקולריים חמורים מצילום חזה שגרתי. אצל השבוע RSNA 2022, המפגש השנתי של האגודה הרדיולוגית של צפון אמריקה, המחבר הראשי יעקב וייס הציג את עבודת הצוות.
"מודל הלמידה העמוקה שלנו מציע פתרון פוטנציאלי לסריקה אופורטוניסטית מבוססת אוכלוסיה של סיכון למחלות לב וכלי דם באמצעות תמונות קיימות של רנטגן חזה", מסביר וייס. "סוג זה של סקר יכול לשמש כדי לזהות אנשים שירוויחו מתרופות סטטינים אך אינם מטופלים כרגע."
וייס ועמיתיו פיתחו את מודל הסיכון שלהם ל-CXR-CVD באמצעות 147,497 צילומי חזה מ-40,643 משתתפים ב- ניסוי בדיקת סרטן PLCO. הם בדקו את הביצועים שלו באמצעות קבוצה עצמאית של 11,430 מטופלי חוץ שעברו צילום חזה שגרתי במאס גנרל בריגהם והיו זכאים פוטנציאלית לטיפול בסטטינים. במהלך המעקב החציוני של 10.3 שנים, 9.6% מהחולים הללו סבלו מאירוע לבבי חמור, עם קשר משמעותי בין הסיכון החזוי במודל לבין האירועים שנצפו.
ב-2401 המטופלים עם מספיק נתונים זמינים, הצוות גם השווה את הערך הפרוגנוסטי של מודל הסיכון CXR-CVD עם הסטנדרט הקליני הקבוע להחלטה על זכאות לסטטינים. בתת-קבוצה זו של חולים, המודל הציג ביצועים דומים לסטנדרט הקליני.
אלגוריתם קוד פתוח מנבא סיכון להתקף לב מסריקת CT חזה
"היופי בגישה הזו הוא שאתה צריך רק צילום רנטגן, שנרכש מיליוני פעמים ביום ברחבי העולם", אומר וייס. "מזמן זיהינו שקרני רנטגן לוכדות מידע מעבר לממצאי אבחון מסורתיים, אבל לא השתמשנו בנתונים האלה כי לא היו לנו שיטות חזקות ואמינות. התקדמות בינה מלאכותית מאפשרת את זה כעת."
וייס מציין כי נדרש מחקר נוסף, כולל ניסוי אקראי מבוקר, כדי לאמת את המודל, אשר יכול לשמש בסופו של דבר ככלי תומך החלטות עבור רופאים.
