Naujas PG modelis yra daug geresnis nei gydytojai, nustatant pacientus, kurie gali patirti širdies sustojimą.
„Linchpin“ yra sistemos gebėjimas išanalizuoti ilgalaikį širdies vaizdą kartu su visu medicininių įrašų spektru, kad būtų atskleista anksčiau paslėpta informacija apie paciento širdies sveikatą.
Federaliniu lygmeniu finansuojamas darbas, vadovaujamas Johns Hopkins universiteto tyrėjų, galėtų išgelbėti daugybę gyvybių ir taip pat išgelbėti daugybę žmonių nereikalingų medicininių intervencijų, įskaitant nereikalingų defibriliatorių implantaciją.
„Šiuo metu mes turime pacientų, kurie miršta dėl savo gyvenimo svarbiausio, nes jie nėra apsaugoti, ir kiti, kurie visą likusį gyvenimą susitaiko su defibriliatoriais, be jokios naudos“, – teigė vyresnioji autorė Natalia Trayanova, tyrėja, orientuota į dirbtinio intelekto naudojimą kardiologijoje. „Mes turime sugebėjimą labai tiksliai numatyti, ar pacientui kyla labai didelė staigios širdies mirties rizika, ar ne.”
Išvados yra paskelbtos šiandien Gamtos širdies ir kraujagyslių tyrimai.
Hipertrofinė kardiomiopatija yra viena iš labiausiai paplitusių paveldimų širdies ligų, turinčių įtakos kiekvienai iš 200–500 asmenų visame pasaulyje, ir yra pagrindinė staigios širdies mirties priežastis jauniems žmonėms ir sportininkams.
Daugelis pacientų, sergančių hipertrofine kardiomiopatija, gyvens normalų gyvenimą, tačiau procentinė dalis padidėja staigios širdies mirties rizika. Gydytojams buvo beveik neįmanoma nustatyti, kas yra tie pacientai.
Dabartinės klinikinės gairės, kurias gydytojai naudoja visoje JAV ir Europoje, siekiant nustatyti pacientams, kuriems gresia mirtini širdies priepuoliai, yra maždaug 50% tikimybė nustatyti tinkamus pacientus, „ne daug geriau nei mesti kauliukus“, – sako Trayanova.
Komandos modelis žymiai pralenkė klinikines gaires visose demografinėse dalyse.
Multimodalinė AI skilvelių aritmijos rizikos stratifikacijai (MAAR) prognozuoja atskirų pacientų staigios širdies mirties riziką analizuojant įvairius medicininius duomenis ir įrašus, o pirmą kartą ištyręs visą informaciją, esančią kontrasto patobulintuose paciento širdies vaizduose.
Žmonėms, sergantiems hipertrofine kardiomiopatija, išsivysto fibrozė arba randai per visą širdį, ir būtent randai padidina jų staigios širdies mirties riziką. Nors gydytojai negalėjo įprasminti neapdorotų MRT vaizdų, AI modelis nulis sukūrė kritinius randų modelius.
„Žmonės nenaudojo giliai mokytis tų vaizdų“, – teigė Trayanova. „Mes galime išgauti šią paslėptą informaciją vaizduose, kurie paprastai nėra apskaitomi.”
Komanda išbandė modelį prieš realius pacientus, gydomus tradicinėmis klinikinėmis gairėmis Johns Hopkins ligoninėje ir „Sanger Heart & Vascular“ institute Šiaurės Karolinoje.
Palyginti su klinikinėmis gairėmis, kurios buvo tikslios maždaug pusę laiko, AI modelis buvo 89% tikslus visiems pacientams ir, kritiškai, 93% tiksliems žmonėms nuo 40 iki 60 metų, populiacija tarp hipertrofinės kardiomiopatijos pacientų labiausiai rizikuoja staigiomis širdies mirtimi.
AI modelis taip pat gali apibūdinti, kodėl pacientai yra didelės rizikos, kad gydytojai galėtų pritaikyti medicinos planą, kad atitiktų jų specifinius poreikius.
„Mūsų tyrimas rodo, kad AI modelis žymiai padidina mūsų sugebėjimą numatyti didžiausią riziką, palyginti su mūsų dabartiniais algoritmais, ir todėl turi galią pakeisti klinikinę priežiūrą“,-sako bendraautorius Jonathanas Crispinas, Johns Hopkins kardiologas.
2022 m. „Trayanova“ komanda sukūrė kitokį daugialypį AI modelį, kuris pasiūlė individualizuotą išgyvenimo vertinimą pacientams, sergantiems infarktais, prognozuodama, ar ir kada kas nors mirs dėl širdies sustojimo.
Komanda planuoja toliau išbandyti naują daugiau pacientų modelį ir išplėsti naują algoritmą, kad galėtų naudoti su kitų tipų širdies ligomis, įskaitant širdies sarkoidozę ir aritmogeninę dešiniojo skilvelio kardiomiopatiją.
Autoriai yra Changxin Lai, Minglang Yin, Eugenijus G. Kholmovski, Dan M. Popescu, Edem Binka, Stefan L. Zimmerman, Allison G. Hays, visi Johns Hopkins; Dai-yin Luand M. Roselle Abrahamof Hipertrofinio kardiomiopatijos kompetencijos centras Kalifornijos San Francisko universitete; ir Erica Schererand Dermot M. Phelanof prieširdžių sveikata.
Nuoroda į informacijos šaltinį
