Een deep-learning model ontwikkeld door onderzoekers van de Programma voor kunstmatige intelligentie in de geneeskunde (AIM). kan het 10-jarige risico op overlijden door een hartaanval of beroerte voorspellen met behulp van een enkele thoraxfoto.
Momenteel wordt dit risico geschat met behulp van de risicoscore voor atherosclerotische cardiovasculaire aandoeningen (ASCVD). Dit statistische model vereist tal van invoerparameters, waaronder leeftijd, geslacht, ras, systolische bloeddruk, behandeling van hypertensie, roken en diabetes type 2, en bloedonderzoek. Patiënten met een risico van 7.5% of hoger krijgen statinemedicatie aanbevolen. Vaak zijn deze variabelen echter niet allemaal beschikbaar in het elektronische dossier van de patiënt.
Om dit tekort te verhelpen, creëerden de onderzoekers een deep-learning-model dat het 10-jaarsrisico op ernstige cardiovasculaire gebeurtenissen kan schatten op basis van een routinematige thoraxfoto. Bij deze week RSNA 2022, de jaarlijkse bijeenkomst van de Radiological Society of North America, hoofdauteur Jakob Weiss presenteerde het werk van het team.
"Ons deep-learning-model biedt een mogelijke oplossing voor populatiegebaseerde opportunistische screening van het risico op hart- en vaatziekten met behulp van bestaande röntgenfoto's van de borst", legt Weiss uit. "Dit type screening kan worden gebruikt om personen te identificeren die baat zouden kunnen hebben bij statinemedicatie, maar die momenteel onbehandeld zijn."
Weiss en collega's ontwikkelden hun CXR-CVD-risicomodel met behulp van 147,497 thoraxfoto's van 40,643 deelnemers aan de Proef naar kankerscreening bij PLCO. Ze testten de prestaties met behulp van een onafhankelijke groep van 11,430 poliklinische patiënten die een routine-thoraxfoto hadden bij Mass General Brigham en mogelijk in aanmerking kwamen voor statinetherapie. Gedurende de mediane follow-up van 10.3 jaar kreeg 9.6% van deze patiënten een ernstig nadelig cardiaal voorval, met een significant verband tussen het door het model voorspelde risico en de waargenomen voorvallen.
Bij de 2401 patiënten met voldoende beschikbare gegevens vergeleek het team ook de prognostische waarde van het CXR-CVD-risicomodel met de vastgestelde klinische standaard om te beslissen of ze in aanmerking komen voor statines. In deze subgroep van patiënten vertoonde het model vergelijkbare prestaties als de klinische standaard.
Open-source algoritme voorspelt risico op hartaanval door CT-scan op de borst
"Het mooie van deze aanpak is dat je alleen een röntgenfoto nodig hebt, die miljoenen keren per dag over de hele wereld wordt gemaakt", zegt Weiss. “We hebben al lang erkend dat röntgenstralen informatie vastleggen die verder gaat dan traditionele diagnostische bevindingen, maar we hebben deze gegevens niet gebruikt omdat we geen robuuste, betrouwbare methoden hadden. Vooruitgang in AI maakt het nu mogelijk.”
Weiss merkt op dat aanvullend onderzoek, waaronder een gecontroleerde gerandomiseerde studie, nodig is om het model te valideren, dat uiteindelijk zou kunnen dienen als hulpmiddel bij het nemen van beslissingen voor artsen.
