Model globokega učenja, ki so ga razvili raziskovalci iz Program umetne inteligence v medicini (AIM). lahko napove 10-letno tveganje smrti zaradi srčnega infarkta ali možganske kapi z uporabo enega rentgenskega slikanja prsnega koša.
Trenutno se to tveganje ocenjuje z oceno tveganja za aterosklerotične srčno-žilne bolezni (ASCVD). Ta statistični model zahteva številne vhodne parametre, vključno s starostjo, spolom, raso, sistoličnim krvnim tlakom, zdravljenjem hipertenzije, kajenjem in statusom sladkorne bolezni tipa 2 ter preiskavami krvi. Bolnikom s tveganjem 7.5 % ali več se priporoča zdravljenje s statini. Pogosto pa vse te spremenljivke niso na voljo v pacientovem elektronskem kartonu.
Da bi odpravili to pomanjkljivost, so raziskovalci ustvarili model globokega učenja, ki lahko oceni 10-letno tveganje za večje neželene srčno-žilne dogodke iz rutinske radiografije prsnega koša. V tem tednu RSNA 2022, letno srečanje Radiološkega društva Severne Amerike, glavni avtor Jakob Weiss predstavil delo ekipe.
»Naš model globokega učenja ponuja potencialno rešitev za populacijsko oportunistično presejanje tveganja za srčno-žilne bolezni z uporabo obstoječih rentgenskih slik prsnega koša,« pojasnjuje Weiss. "To vrsto presejanja bi lahko uporabili za identifikacijo posameznikov, ki bi jim koristilo zdravljenje s statini, vendar se trenutno ne zdravijo."
Weiss in sodelavci so razvili svoj model tveganja CXR-CVD z uporabo 147,497 rentgenskih posnetkov prsnega koša 40,643 udeležencev v Preskušanje raka PLCO. Njegovo delovanje so testirali z neodvisno skupino 11,430 ambulantnih bolnikov, ki so imeli rutinsko rentgensko slikanje prsnega koša v bolnišnici Mass General Brigham in so bili potencialno primerni za zdravljenje s statini. V medianem obdobju spremljanja, ki je trajalo 10.3 leta, je 9.6 % teh bolnikov utrpelo večji neželeni srčni dogodek, s pomembno povezavo med modelom predvidenim tveganjem in opaženimi dogodki.
Pri 2401 bolnikih z dovolj razpoložljivimi podatki je skupina primerjala tudi prognostično vrednost modela tveganja CXR-CVD z uveljavljenim kliničnim standardom za odločanje o upravičenosti do statina. V tej podskupini bolnikov je model pokazal podobno učinkovitost kot klinični standard.
Odprtokodni algoritem napove tveganje srčnega infarkta na podlagi CT-ja prsnega koša
»Lepota tega pristopa je v tem, da potrebujete samo rentgensko slikanje, ki je posneto milijonkrat na dan po vsem svetu,« pravi Weiss. »Že dolgo se zavedamo, da rentgenski žarki zajemajo informacije, ki presegajo tradicionalne diagnostične ugotovitve, vendar teh podatkov nismo uporabili, ker nismo imeli robustnih in zanesljivih metod. Napredek v AI to zdaj omogoča.«
Weiss ugotavlja, da so te dodatne raziskave, vključno z nadzorovanim randomiziranim preskušanjem, potrebne za potrditev modela, ki bi lahko na koncu služil kot orodje za podporo pri odločanju za zdravnike.
