Модель глибокого навчання, розроблена дослідниками з Програма штучного інтелекту в медицині (AIM). можна передбачити 10-річний ризик смерті від інфаркту чи інсульту за допомогою одного рентгенівського знімка грудної клітки.
В даний час цей ризик оцінюється за допомогою оцінки ризику атеросклеротичного серцево-судинного захворювання (ASCVD). Для цієї статистичної моделі потрібні численні вхідні параметри, зокрема вік, стать, раса, систолічний артеріальний тиск, лікування гіпертонії, куріння та діабет 2 типу, а також аналізи крові. Пацієнтам із ризиком 7.5% або вище рекомендовано статини. Однак часто ці змінні не всі доступні в електронній карті пацієнта.
Щоб усунути цей недолік, дослідники створили модель глибокого навчання, яка може оцінити 10-річний ризик серйозних несприятливих серцево-судинних подій на основі звичайної рентгенограми грудної клітки. На цьому тижні РСНА 2022, щорічні збори Радіологічного товариства Північної Америки, провідний автор Якоб Вайс презентували роботу колективу.
«Наша модель глибокого навчання пропонує потенційне рішення для популяційного скринінгу ризику серцево-судинних захворювань за допомогою наявних рентгенівських знімків грудної клітки», — пояснює Вайс. «Цей тип скринінгу може бути використаний для виявлення осіб, яким було б корисно приймати статини, але які зараз не лікуються».
Вайс і його колеги розробили свою модель ризику CXR-CVD, використовуючи 147,497 40,643 рентгенівських знімків грудної клітки від XNUMX XNUMX учасників дослідження. Скринінгове дослідження раку PLCO. Вони перевірили його ефективність, використовуючи незалежну групу з 11,430 10.3 амбулаторних пацієнтів, які проходили звичайний рентген грудної клітки в Mass General Brigham і потенційно мали право на терапію статинами. За середній період спостереження 9.6 року XNUMX% цих пацієнтів перенесли значну несприятливу серцеву подію зі значним зв’язком між прогнозованим на моделі ризиком і спостережуваними подіями.
У 2401 пацієнта з достатніми доступними даними команда також порівняла прогностичну цінність моделі ризику CXR-CVD із встановленим клінічним стандартом для визначення придатності статинів. У цій підгрупі пацієнтів модель показала ефективність, подібну до клінічного стандарту.
Алгоритм із відкритим кодом прогнозує ризик серцевого нападу за допомогою КТ грудної клітини
«Принадність цього підходу полягає в тому, що вам потрібен лише рентгенівський знімок, який роблять мільйони разів на день у всьому світі», — каже Вайс. «Ми давно зрозуміли, що рентгенівські промені фіксують інформацію, окрім традиційної діагностики, але ми не використовували ці дані, оскільки у нас не було надійних і надійних методів. Прогрес у ШІ робить це можливим зараз».
Вайс зазначає, що додаткові дослідження, включаючи контрольоване рандомізоване дослідження, необхідні для підтвердження моделі, яка зрештою може слугувати інструментом для підтримки прийняття рішень для лікарів.
