Sztuczna inteligencja oceni, komu grozi nagła śmierć sercowa

Zespół naukowców z Uniwersytetu Johnsa Hopkinsa stworzył nową metodę opartą na sztucznej inteligencji, która pozwala przewidzieć, czy i kiedy dany pacjent może umrzeć z powodu zatrzymania akcji serca. Technologia, bazująca na "surowych" danych medycznych, głównie obrazach serc pacjentów, może zrewolucjonizować ścieżkę decyzyjną dotyczącą pacjentów zagrożonych tzw. zdarzeniem sercowo-naczyniowym.

Mianem zdarzenia sercowo-naczyniowego nazywamy groźne powikłania nadciśnienia tętniczego, takie jak udar mózgu lub zawał serca. Ze zdarzeniemi sercowo-naczyniowymi wiąże się tzw. nagła śmierć sercowa, czyli nieoczekiwany zgon, poprzedzony nagłą utratą przytomności, do którego dochodzi w okresie jednej godziny od początku objawów. Warto zaznaczyć, że nagła śmierć sercowa dotyczy osób ze znaną wcześniej lub utajoną chorobą serca.

- Nagła śmierć sercowa spowodowana arytmią stanowi aż 20 proc. wszystkich zgonów na świecie, a my niewiele wiemy o tym, dlaczego tak się dzieje i jak określić, kto jest w grupie ryzyka. Są pacjenci, u których ryzyko nagłej śmierci sercowej jest niskie i którzy otrzymują defibrylatory, których być może nie potrzebują, a są też pacjenci z grupy wysokiego ryzyka, którzy nie otrzymują potrzebnego leczenia i mogą umrzeć w kwiecie wieku. Nasz algorytm może określić, kto jest zagrożony śmiercią sercową i kiedy ona nastąpi, dzięki czemu lekarze mogą podjąć decyzję, co dokładnie należy zrobić - powiedziała prof. Natalia Trayanova z Uniwersytetu Johnsa Hopkinsa. 

Zespół uczonych z Uniwersytetu Johnsa Hopkinsa jest pierwszym, który wykorzystuje sieci neuronowe do stworzenia spersonalizowanej oceny przeżycia dla każdego pacjenta z chorobą serca. Pozwalają one ocenić z dużą dokładnością szansę na nagłą śmierć sercową w ciągu 10 lat oraz to, kiedy jest najbardziej prawdopodobne, że do niego dojdzie.

Technika została nazwana Survival Study of Cardiac Arrhythmia Risk (SSCAR) - w nawiązaniu do tkanki bliznowatej powstającej w sercu po zawale, która często prowadzi do śmiertelnych arytmii. Naukowcy wykorzystali obrazy serca ze wzmocnieniem kontrastowym, które dobrze pokazują rozmieszczenie blizn w sercach pacjentów po zawale.

- Obrazy zawierają krytyczne informacje, do których lekarze nie mają dostępu. Te blizny mogą być rozmieszczone na różne sposoby i mówią coś o szansach pacjenta na przeżycie. Jest w tym ukryta informacja - powiedział Dan Popescu, były doktorant Johns Hopkins, główny autor pracy.

Zespół wyszkolił drugą sieć neuronową do uczenia się na podstawie 10 lat standardowych danych klinicznych pacjentów, 22 czynników, takich jak wiek, waga, rasa i stosowanie leków na receptę przez pacjentów.

Przewidywania algorytmów były nie tylko znacznie dokładniejsze niż prognozy lekarzy (w każdym aspekcie), ale również zostały potwierdzone w testach z udziałem niezależnej grupy pacjentów z 60 ośrodków zdrowia w Stanów Zjednoczonych, z różnymi historiami chorób serca i różnymi danymi obrazowymi. Sytem SSCAR może być stosowany wszędzie.

- Platforma może znacząco wpłynąć na proces podejmowania decyzji klinicznych dotyczących ryzyka arytmii i stanowi istotny krok w kierunku wprowadzenia prognozowania trajektorii pacjenta w erę sztucznej inteligencji. Uosabia to trend łączenia sztucznej inteligencji, inżynierii i medycyny jako przyszłości opieki zdrowotnej - podsumowała prof. Trayanova.

Uczeni chcą pójść za ciosem i opracowac algorytm wykrywający inne choroby serca. Uczenie maszynowe może mieć zastosowanie w różnych dziedzinach medycyny.