Primul instrument bazat pe inteligenţa artificială poate identifica tiparele cardiace de pe rezultatele RMN, care nu pot fi detectate cu ochiul liber, şi poate estima semnificativ mai precis decât un medic, dacă şi când un pacient ar putea suferi un stop cardiac fatal. Noua tehnologie ar putea să revoluţioneze luarea deciziilor la nivel clinic şi să crească supravieţuirea în cazul aritmiilor letale, una dintre cele mai mortale şi enigmatice afecţiuni.
Studiul, care a inclus şi un cercetător de origine română, a fost condus de specialişti de la universitatea Johns Hopkins, şi a fost publicat în Nature Cardiovascular Research.
„Moartea subită cardiacă cauzată de aritmie reprezintă până la 20% din totalul deceselor la nivel mondial şi ştim puţine despre motivele care o cauzează sau cine se află în pericol. Există pacienţi cu un risc scăzut de moarte subită cardiacă care primesc defibrilatoare de care ar putea să nu aibă nevoie şi există pacienţi cu risc ridicat care nu primesc tratamentul de care au nevoie şi ar putea muri în floarea vârstei“, a declarat autoarea cercetării, Natalia Trayanova, profesor de inginerie biomedicală şi medicină.
"Algoritmul dezvoltat de noi poate să determine cine este expus riscului de moarte cardiacă şi când va avea loc acest eveniment, permiţând medicilor să decidă exact ce trebuie făcut", a completat cercetătoarea.
Echipa este prima care foloseşte reţelele neuronale pentru a construi o evaluare personalizată de supravieţuire pentru pacienţii cu boli de inimă, care poate determina cu mare precizie riscul de moarte subită cardiacă, pe un interval de 10 ani, şi momentul când este cel mai probabil să se producă.
Tehnologia de învăţare profundă a fost botezată, studiu de supravieţuire al riscului de aritmie cardiacă (SSCAR).
Numele algoritmului face trimitere la cicatrizarea cardiacă cauzată de bolile de inimă care duc adesea la aritmii letale.
Echipa a folosit rezultatele controalelor imagistice cardiace îmbunătăţite cu substanţă de contrast, a câtorva sute de pacienţi de la spitalul Johns Hopkins cu cicatrici cardiace, pentru a instrui un algoritm să detecteze modele şi relaţii care nu sunt vizibile cu ochiul liber.
Analiza clinică a imaginilor cardiace folosită curent extrage numai caracteristicile simple ale cicatricilor, legate de volum şi masa, fără a utiliza date critice, aşa cum s-a demonstrat în acest studiu.
„Imaginile poartă informaţii critice pe care medicii nu le-au putut accesa. Cicatrizarea poate fi distribuită în moduri diferite şi asta spune ceva despre şansa de supravieţuire a unui pacient. Există informaţii ascunse în aceste cicatrici pe care noi le-am descifrat cu ajutorul inteligenţei artificiale“, a declarat principalul autor al cercetării, Dan Popescu, fost doctorand la Johns Hopkins.
Echipa a instruit o a doua reţea neuronală să înveţe din 10 ani de date clinice standard ale pacienţilor, 22 de factori, precum vârsta, greutatea, rasa şi consumul de medicamente eliberate pe bază de reţetă.
Predicţiile algoritmilor pentru fiecare indicator nu numai că au fost semnificativ mai precise decât cele ale medicilor, dar au fost validate în timpul testelor de o cohortă independentă de pacienţi din 60 de centre de sănătate din Statele Unite, cu istorii cardiace diferite şi date imagistice diferite, ceea ce sugerează că platforma ar putea fi folosită oriunde în lume.
„Există potenţialul de a modela în mod semnificativ procesul decizional la nivel clinic în ceea ce priveşte riscul de aritmie şi asta reprezintă un pas esenţial către aducerea prognosticării traiectoriei pacientului în era inteligenţei artificiale. Asta rezumă trendul fuzionării inteligenţei artificiale, ingineriei şi medicinei şi este viitorul asistenţei medicale“, a mai precizat Trayanova, director adjunct al Alianţei pentru Inovarea Diagnosticului şi Tratamentului Cardiovascular.
Echipa lucrează în prezent la dezvoltarea de noi algoritmi capabili să detecteze şi alte boli cardiace. Potrivit lui Trayanova, conceptul de deep-learning ar putea fi dezvoltat şi pentru alte domenii ale medicinei care se bazează pe diagnosticul vizual.