Ένας αλγόριθμος μηχανικής μάθησης θα μπορούσε να διαγνώσει γρήγορα την καρδιακή προσβολή

Ένας αλγόριθμος που αναπτύχθηκε με χρήση τεχνητής νοημοσύνης θα μπορεί σύντομα να χρησιμοποιηθεί από γιατρούς για τη διάγνωση καρδιακών προσβολών με καλύτερη ταχύτητα και ακρίβεια από ποτέ.

Η αποτελεσματικότητα του αλγορίθμου, που ονομάζεται CoDE-ACS, δοκιμάστηκε σε 10.286 ασθενείς σε έξι χώρες σε όλο τον κόσμο. Οι ερευνητές διαπίστωσαν ότι, σε σύγκριση με τις τρέχουσες μεθόδους δοκιμών, το CoDE-ACS ήταν σε θέση να διαγνώσει ένα έμφραγμα σε υπερδιπλάσιο αριθμό ασθενών, με ακρίβεια 99,6% (!).

Αυτή η ικανότητα να διαγιγνώσκεται ταχύτατα αν κάποιος που νιώθει πόνους στο στήθος και

έχει συμπτώματα που παραπέμπουν σε καρδιακό επεισόδιο, όντως περνάει έμφραγμα ή αν συμβαίνει κάτι άλλο, πιο γρήγορα από ποτέ, θα μπορούσε να μειώσει σημαντικά τις εισαγωγές στο νοσοκομείο. Κλινικές δοκιμές βρίσκονται τώρα σε εξέλιξη στη Σκωτία με την υποστήριξη του Wellcome Leap, για να αξιολογηθεί εάν αυτό το «εργαλείο» τεχνητής νοημοσύνης μπορεί να βοηθήσει τους γιατρούς να μειώσουν την πίεση στα κορεσμένα Τμήματα Επειγόντων Περιστατικών των νοσοκομείων.

Εκτός από τον γρήγορο αποκλεισμό της πιθανότητας καρδιακής προσβολής σε ασθενείς, το CoDE-ACS θα μπορούσε επίσης να βοηθήσει τους γιατρούς να εντοπίσουν εκείνους των οποίων τα μη φυσιολογικά επίπεδα τροπονίνης οφείλονταν σε καρδιακή προσβολή και όχι σε άλλη πάθηση.

Ίση αντιμετώπιση

Το εργαλείο τεχνητής νοημοσύνης είχε καλή απόδοση ανεξάρτητα από την ηλικία, το φύλο ή τις υποκείμενες παθήσεις υγείας, δείχνοντας τις δυνατότητές του να μειώσει τις λανθασμένες διαγνώσεις και τις ανισότητες στον πληθυσμό.

Το CoDE-ACS έχει τη δυνατότητα να καταστήσει την επείγουσα περίθαλψη πιο αποτελεσματική, επιβεβαιώνοντας γρήγορα τους ασθενείς που είναι ασφαλείς να επιστρέψουν σπίτι τους και υποδεικνύοντας στους γιατρούς όλους εκείνους που πρέπει να παραμείνουν στο νοσοκομείο για περαιτέρω εξετάσεις.

Το τρέχον χρυσό πρότυπο για τη διάγνωση καρδιακής προσβολής είναι η μέτρηση των επιπέδων της πρωτεΐνης τροπονίνης στο αίμα. Αλλά το ίδιο όριο χρησιμοποιείται για κάθε ασθενή. Αυτό σημαίνει ότι παράγοντες όπως η ηλικία, το φύλο και άλλα προβλήματα υγείας που επηρεάζουν τα επίπεδα τροπονίνης δεν λαμβάνονται υπόψη, επηρεάζοντας την ακρίβεια των διαγνώσεων.

Αυτό μπορεί να οδηγήσει σε ανισότητες στη διάγνωση. Για παράδειγμα, προηγούμενη έρευνα έδειξε ότι υπάρχουν 50% περισσότερες πιθανότητες να γίνει λανθασμένη αρχική διάγνωση σε γυναίκες. Τα άτομα που έχουν αρχικά λανθασμένη διάγνωση διατρέχουν 70% υψηλότερο κίνδυνο να πεθάνουν μετά από 30 ημέρες. Ο νέος αλγόριθμος είναι μια ευκαιρία να αποτραπεί αυτό.

Η τεχνητή νοημοσύνη μπορεί να σώσει ζωές

Το CoDE-ACS αναπτύχθηκε χρησιμοποιώντας δεδομένα από 10.038 ασθενείς στη Σκωτία που είχαν φτάσει στο νοσοκομείο με υποψία καρδιακής προσβολής. Ο αλγόριθμος χρησιμοποιεί πληροφορίες ασθενών που συλλέγονται τακτικά, όπως ηλικία, φύλο, ευρήματα ΗΚΓ και ιατρικό ιστορικό, καθώς και επίπεδα τροπονίνης, για να διακρίνει αν ένα άτομο όντως υφίσταται καρδιακή προσβολή. Το αποτέλεσμα είναι μια βαθμολογία πιθανότητας από 0 έως 100 για κάθε ασθενή.

Ο καθηγητής Nicholas Mills, Καθηγητής Καρδιολογίας BHF στο Κέντρο Καρδιαγγειακής Επιστήμης του Πανεπιστημίου του Εδιμβούργου, ο οποίος ηγήθηκε της έρευνας, δήλωσε: «Σε ασθενείς με οξύ πόνο στο στήθος λόγω καρδιακής προσβολής, η έγκαιρη διάγνωση και θεραπεία σώζει ζωές. Δυστυχώς, πολλές καταστάσεις προκαλούν αυτά τα κοινά συμπτώματα και η διάγνωση δεν είναι πάντα απλή. Η αξιοποίηση δεδομένων και τεχνητής νοημοσύνης για την υποστήριξη κλινικών αποφάσεων έχει τεράστιες δυνατότητες βελτίωσης της φροντίδας των ασθενών και της αποτελεσματικότητας στα Τμήματα Επειγόντων Περιστατικών μας.»

Ο καθηγητής Sir Nilesh Samani, δήλωσε με τη σειρά τους πως: «Ο πόνος στο στήθος είναι ένας από τους πιο συνηθισμένους λόγους που οι άνθρωποι παρουσιάζονται στα Τμήματα Επειγόντων Περιστατικών. Καθημερινά, οι γιατροί σε όλο τον κόσμο καλούνται να διακρίνουν τους ασθενείς των οποίων ο πόνος οφείλεται σε καρδιακή προσβολή από εκείνους των οποίων ο πόνος οφείλεται σε κάτι λιγότερο σοβαρό.

Το CoDE-ACS, που αναπτύχθηκε χρησιμοποιώντας ένα συνδυασμό τεχνητής νοημοσύνης και τεχνολογίας αιχμής στον τομέα της επεξεργασίας δεδομένων έχει τη δυνατότητα να αποκλείσει ή να επιβεβαιώσει μια καρδιακή προσβολή με μεγαλύτερη ακρίβεια από τις τρέχουσες προσεγγίσεις. Θα μπορούσε να μεταμορφώσει τα Τμήματα Επειγόντων Περιστατικών, μειώνοντας τον χρόνο που απαιτείται για τη διάγνωση προς όφελος των ασθενών.

Η νέα έρευνα από το Πανεπιστήμιο του Εδιμβούργου, δημοσιεύτηκε στο περιοδικό Nature Medicine.

Πηγή: British Heart Foundation

#ΑΛΓΟΡΙΘΜΟΣ #ΚΑΡΔΙΑΚΗ_ΠΡΟΣΒΟΛΗ #ΤΕΧΝΗΤΗ_ΝΟΗΜΟΣΥΝΗ