Acasă IA și VR EVALUAREA RISCULUI DE APARIȚIE A UNUI ATAC DE CORD PRIN INTERMEDIUL UNEI...

EVALUAREA RISCULUI DE APARIȚIE A UNUI ATAC DE CORD PRIN INTERMEDIUL UNEI SCANĂRI A OCHILOR

35
0
(c) BILL OXFORD/GETTY IMAGES

Deși un atac de cord poate părea un eveniment complet întâmplător, acesta ar putea fi prezis cu ajutorul unei scanări simple și relativ ieftine, a ochiului unei persoane.

„O persoană ar putea să facă acest test de fiecare dată când aceasta merge să își achiziționeze o pereche de ochelari”, a declarat Alex Frangi, profesor de calcul și medicină în cadrul Universității din Leeds, Anglia.

Frangi a fost unul dintre autorii unui nou studiu, în care s-a încercat să facă exact acest lucru. Modificările subtile ale vaselor mici de sânge existente la nivelul retinei sau în partea din spate a ochiului pot oferi indici cu privire la faptul că o persoană ar putea avea un atac de cord. Astfel, un sistem pe bază de inteligență artificială (IA) ar putea detecta aceste diferențe. Deși aplicațiile IA în medicină au devenit din ce în ce mai comune, aceste sisteme detectând diverse afecțiuni, inclusiv boala Alzheimer și cancerul, multe dintre tehnici analizează datele produse de tehnologia costisitoare de imagistică medicală. În schimb, scanările retinei sunt ieftine și foarte accesibile. În cadrul noului studiu, tehnica a fost destul de eficientă, aceasta oferind o predicție cu o precizie cuprinsă între 70 și 80%. Studiul este preliminar și este posibil ca metoda să nu funcționeze la fel de bine în cazul pacienții reali. Cu toate acestea, experții sunt de părere că această tehnică este o inovație promițătoare, care ar putea fi utilizată ca o modalitate accesibilă de a evalua riscul de apariție a unui atac de cord.

„Pentru mine, acesta este un exemplu foarte bun de utilizare a învățării automate pentru a prelua informații care există deja, dar pentru a le folosi într-un mod nou cu scopul de a ajuta la identificarea riscului în diferite etape”, a declarat dr. Deepak Bhatt, directorul executiv al programelor cardiovasculare intervenționale din cadrul Brigham and Women’s Hospital Heart & Vascular Center și profesor de medicină în cadrul Școlii Medicale Harvard, care nu a fost implicat în studiu.

Cercetătorii au extras date din UK Biobank, o bază de date biomedicală uriașă cu informații despre starea de sănătate a aproximativ jumătate de milion de oameni din Regatul Unit. Pentru a antrena sistemul, aceștia au folosit date de la 71.515 de persoane care au realizat scanări retiniene, precum și un set diferit, provenit de la 5.663 de persoane care au avut atât o scanare a retinei, cât și o scanare de rezonanță magnetică cardiacă (CMR). Sistemul cuprindea două rețele. Prima, denumită autoencoder variațional multicanal, a fost antrenat folosind setul de date mai mic, care prezenta ambele tipuri de imagini. Acest lucru i-a permis să traducă o scanare a retinei într-o imagine cardiacă reconstruită. Odată ce prima rețea a fost instruită și testată, aceasta a fost folosită ca șablon pentru utilizarea scanărilor retinei în setul de date mai mare (împreună cu informații despre pacient, precum vârsta, genul, indicele de masă corporală, tensiunea arterială și dacă aceasta era sau nu fumătoare) pentru a prezice riscul de apariție a unui atac de cord.

Pentru a testa și antrena sistemul, cercetătorii au împărțit fiecare set de date în 10 părți, folosind nouă părți pentru a-l antrena și ultima pentru a-l testa. Ei au descoperit faptul că, în funcție de tipul de măsurare, sistemul a prezis corect un atac de cord folosind combinația dintre scanarea retinei și datele demografice în 70-80% din cazuri. Pentru comparație, cercetătorii au făcut un calcul separat al riscului de apariție a unui atac de cord folosind doar date demografice, care sunt tipul de informații utilizate de obicei pentru a determina dacă cineva ar putea fi expus riscului. Predicțiile bazate pe aceste date au fost mai puțin precise cu aproximativ 10%.

De asemenea, cercetătorii au vrut să vadă dacă sistemul ar putea avea aceiași precizie în cazul în care acesta ar folosi un set complet diferit de date, preluate din cadrul Studiului privind bolile oculare legate de vârstă al Institutului Național pentru Ochi. Deși au descoperit faptul că diferențele de calitate a imaginii și datele demografice nu au afectat foarte mult sistemul, acesta a fost mai puțin eficient în analiza imaginilor provenite de la pacienții cu o afecțiune oculară denumită degenerescență maculară.

„Atunci când există un pacient care are degenerescență maculară, capacitatea sistemului de a prezice corect rezultatul atacului de cord pare să fie cumva afectată”, a declarat Frangi. În urma analizării datelor provenite de la acești pacienți, sistemul a avut o precizie de aproximativ 60%. Totuși, fidelitatea a crescut la 70% atunci când aceștia au fost eliminați din eșantionul de studiu.

Deși sistemul nu este mai precis decât utilizarea imaginilor cardiace, scanările retiniene sunt mult mai ieftine și mai ușor de accesat. Bhatt a declarat faptul că metoda ar putea ajuta și la identificarea persoanelor care nu se prezintă în mod regulat la un medic și care sunt omise. În unele cazuri, un oftalmolog poate detecta dacă o persoană ar putea avea hipertensiune arterială sau diabet doar pe baza unui examen retinian.

„Pentru mine, aceasta este o extensie logică a ceva ce se poate întâmpla deja atunci când o persoană merge la oftalmolog”, a declarat Bhatt.

În cadrul acestui studiu, cercetătorii au ales să genereze o scanare cardiacă prezisă pe baza unei imagini retiniene și să o utilizeze pentru a calcula riscul. Alte studii au adoptat o abordare mai directă, folosind doar imagini retiniene pentru a calcula riscul. Frangi a declarat faptul că oamenii de știință au folosit această metodă pentru a încerca să se asigure că sistemul face asocierile corecte între scanările oculare și cele ale inimii și că acesta nu va identifica anumite modele din scanările oculare, care nu se corelează cu niciun impact asupra inimii. Totuși, fără o comparație directă între metodele din studiu, este încă greu de spus care abordare funcționează mai bine.

Frangi a declarat faptul că el și colegii săi lucrează la îmbunătățirea sistemului, de exemplu prin încorporarea informațiilor medicale și chiar genetice suplimentare ale unui pacient în sistem. Totuși, el conștientizează că datele complexe ar putea să nu fie întotdeauna disponibile.

LĂSAȚI UN MESAJ

Vă rugăm să introduceți comentariul dvs.!
Introduceți aici numele dvs.

Acest site folosește Akismet pentru a reduce spamul. Află cum sunt procesate datele comentariilor tale.