โมเดลการเรียนรู้เชิงลึกที่พัฒนาโดยนักวิจัยจาก โครงการปัญญาประดิษฐ์ทางการแพทย์ (AIM) สามารถทำนายความเสี่ยงต่อการเสียชีวิตจากอาการหัวใจวายหรือโรคหลอดเลือดสมองในระยะเวลา 10 ปีได้โดยใช้เอกซเรย์ทรวงอกเพียงครั้งเดียว
ปัจจุบัน ความเสี่ยงนี้ประเมินโดยใช้คะแนนความเสี่ยงโรคหลอดเลือดหัวใจตีบตัน (ASCVD) แบบจำลองทางสถิตินี้ต้องการพารามิเตอร์อินพุตจำนวนมาก รวมถึงอายุ เพศ เชื้อชาติ ความดันโลหิตซิสโตลิก การรักษาความดันโลหิตสูง การสูบบุหรี่และสถานะเบาหวานชนิดที่ 2 และการตรวจเลือด ผู้ป่วยที่มีความเสี่ยง 7.5% ขึ้นไปควรได้รับยา statin อย่างไรก็ตาม บ่อยครั้งที่ตัวแปรเหล่านี้ไม่ได้มีอยู่ในบันทึกอิเล็กทรอนิกส์ของผู้ป่วยทั้งหมด
เพื่อแก้ไขข้อบกพร่องนี้ นักวิจัยได้สร้างแบบจำลองการเรียนรู้เชิงลึกที่สามารถประเมินความเสี่ยง 10 ปีของเหตุการณ์หัวใจและหลอดเลือดที่ไม่พึงประสงค์ที่สำคัญจากภาพรังสีทรวงอกที่ทำเป็นประจำ ในสัปดาห์นี้ อาร์เอสเอ็นเอ 2022, การประชุมประจำปีของสมาคมรังสีวิทยาแห่งอเมริกาเหนือ ผู้เขียนนำ จาคอบ ไวส์ ได้นำเสนอผลงานของทีม
"โมเดลการเรียนรู้เชิงลึกของเรานำเสนอโซลูชั่นที่เป็นไปได้สำหรับการคัดกรองความเสี่ยงโรคหัวใจและหลอดเลือดตามโอกาสของประชากรโดยใช้ภาพเอ็กซ์เรย์ทรวงอกที่มีอยู่" ไวส์อธิบาย “การตรวจคัดกรองประเภทนี้สามารถใช้เพื่อระบุตัวบุคคลที่จะได้รับประโยชน์จากยาสแตตินแต่ยังไม่ได้รับการรักษาในขณะนี้”
Weiss และเพื่อนร่วมงานพัฒนาแบบจำลองความเสี่ยง CXR-CVD โดยใช้รังสีเอกซ์ทรวงอก 147,497 คนจากผู้เข้าร่วม 40,643 คนใน การทดลองคัดกรองมะเร็งด้วย PLCO. พวกเขาทดสอบประสิทธิภาพโดยใช้กลุ่มผู้ป่วยนอกจำนวน 11,430 รายที่ได้รับการเอกซเรย์ทรวงอกเป็นประจำที่ Mass General Brigham และอาจมีสิทธิ์ได้รับการรักษาด้วยยาสแตติน จากการติดตามค่ามัธยฐานเป็นเวลา 10.3 ปี 9.6% ของผู้ป่วยเหล่านี้มีอาการทางหัวใจที่ไม่พึงประสงค์ที่สำคัญ โดยมีความสัมพันธ์อย่างมีนัยสำคัญระหว่างความเสี่ยงที่คาดการณ์ด้วยแบบจำลองกับเหตุการณ์ที่สังเกตได้
ในผู้ป่วย 2401 รายที่มีข้อมูลเพียงพอ ทีมงานยังได้เปรียบเทียบค่าการพยากรณ์โรคของแบบจำลองความเสี่ยง CXR-CVD กับมาตรฐานทางคลินิกที่กำหนดไว้สำหรับการตัดสินใจเลือก statin ในกลุ่มย่อยของผู้ป่วยนี้ แบบจำลองแสดงประสิทธิภาพที่คล้ายคลึงกับมาตรฐานทางคลินิก
อัลกอริธึมโอเพ่นซอร์สทำนายความเสี่ยงหัวใจวายจากการสแกน CT หน้าอก
“ความสวยงามของวิธีนี้คือคุณต้องการเพียงการเอ็กซ์เรย์ ซึ่งได้รับมาหลายล้านครั้งต่อวันทั่วโลก” ไวส์กล่าว “เราทราบมานานแล้วว่ารังสีเอกซ์จับข้อมูลที่นอกเหนือจากผลการตรวจวินิจฉัยแบบดั้งเดิม แต่เราไม่ได้ใช้ข้อมูลนี้เพราะเราไม่มีวิธีการที่มีประสิทธิภาพและเชื่อถือได้ ความก้าวหน้าใน AI ทำให้เป็นไปได้ในตอนนี้”
Weiss ตั้งข้อสังเกตว่าจำเป็นต้องมีการวิจัยเพิ่มเติม รวมถึงการทดลองแบบสุ่มที่มีการควบคุม เพื่อตรวจสอบความถูกต้องของแบบจำลอง ซึ่งท้ายที่สุดแล้วสามารถใช้เป็นเครื่องมือสนับสนุนการตัดสินใจสำหรับแพทย์ได้
