Model głębokiego uczenia się opracowany przez naukowców z Program sztucznej inteligencji w medycynie (AIM). może przewidzieć 10-letnie ryzyko zgonu z powodu zawału serca lub udaru za pomocą pojedynczego zdjęcia rentgenowskiego klatki piersiowej.
Obecnie ryzyko to szacuje się za pomocą skali ryzyka miażdżycowej choroby sercowo-naczyniowej (ASCVD). Ten model statystyczny wymaga wielu parametrów wejściowych, w tym wieku, płci, rasy, skurczowego ciśnienia krwi, leczenia nadciśnienia, palenia tytoniu i statusu cukrzycy typu 2 oraz badań krwi. Pacjentom z ryzykiem 7.5% lub wyższym zaleca się przyjmowanie statyn. Często jednak nie wszystkie te zmienne są dostępne w dokumentacji elektronicznej pacjenta.
Aby zaradzić temu brakowi, naukowcy stworzyli model głębokiego uczenia się, który może oszacować 10-letnie ryzyko wystąpienia poważnych niepożądanych zdarzeń sercowo-naczyniowych na podstawie rutynowego zdjęcia rentgenowskiego klatki piersiowej. W tym tygodniu RSN 2022, doroczne spotkanie Towarzystwa Radiologicznego Ameryki Północnej, główny autor Jakub Weiss przedstawił pracę zespołu.
„Nasz model głębokiego uczenia się oferuje potencjalne rozwiązanie dla populacyjnych oportunistycznych badań przesiewowych ryzyka chorób sercowo-naczyniowych przy użyciu istniejących zdjęć rentgenowskich klatki piersiowej” — wyjaśnia Weiss. „Ten rodzaj badań przesiewowych można wykorzystać do identyfikacji osób, które odniosłyby korzyść z leczenia statynami, ale obecnie nie są leczone”.
Weiss i współpracownicy opracowali swój model ryzyka CXR-CVD, wykorzystując 147,497 40,643 zdjęć rentgenowskich klatki piersiowej od XNUMX XNUMX uczestników badania. Badanie przesiewowe w kierunku raka PLCO. Przetestowali jego działanie na niezależnej grupie 11,430 10.3 pacjentów ambulatoryjnych, którzy przeszli rutynowe prześwietlenie klatki piersiowej w szpitalu Mass General Brigham i potencjalnie kwalifikowali się do leczenia statynami. W okresie obserwacji, którego mediana wynosiła 9.6 lat, u XNUMX% tych pacjentów wystąpiło poważne niepożądane zdarzenie sercowe, z istotnym związkiem między ryzykiem przewidywanym przez model a obserwowanymi zdarzeniami.
W przypadku 2401 pacjentów, u których dostępne były wystarczające dane, zespół porównał również wartość prognostyczną modelu ryzyka CXR-CVD z ustalonym standardem klinicznym decydującym o kwalifikowalności do statyn. W tej podgrupie pacjentów model wykazywał działanie podobne do standardu klinicznego.
Algorytm typu open source przewiduje ryzyko zawału serca na podstawie tomografii komputerowej klatki piersiowej
„Piękno tego podejścia polega na tym, że potrzebujesz tylko zdjęcia rentgenowskiego, które jest pozyskiwane miliony razy dziennie na całym świecie” – mówi Weiss. „Od dawna wiemy, że promieniowanie rentgenowskie przechwytuje informacje wykraczające poza tradycyjne ustalenia diagnostyczne, ale nie korzystaliśmy z tych danych, ponieważ nie mieliśmy solidnych, niezawodnych metod. Postępy w sztucznej inteligencji sprawiają, że jest to teraz możliwe”.
Weiss zauważa, że potrzebne są dodatkowe badania, w tym kontrolowane badanie z randomizacją, aby zweryfikować model, który ostatecznie może służyć lekarzom jako narzędzie wspomagające podejmowanie decyzji.
