Sztuczna inteligencja wykrywa śmiertelne ryzyko dla serca, którego większość lekarzy nie jest w stanie dostrzec

Określone obrazy serca, w połączeniu z pełnym spektrum danych medycznych, pozwalają ujawnić wcześniej ukryte informacje o stanie zdrowia serca pacjenta.

- Obecnie mamy pacjentów, którzy umierają w pełni sił, ponieważ nie są odpowiednio chronieni, a także innych, którzy przez resztę życia noszą defibrylatory, mimo że nie przynoszą im żadnej korzyści - mówi Natalia Trayanova z Uniwersytetu Johnsa Hopkinsa. - Mamy możliwość przewidywania z bardzo dużą dokładnością, czy pacjent jest w grupie bardzo wysokiego ryzyka nagłej śmierci sercowej, czy nie - dodaje.

Kardiomiopatia przerostowa to jedna z najczęstszych dziedzicznych chorób serca - dotyka jedną na 200-500 osób na całym świecie i jest jedną z głównych przyczyn nagłej śmierci sercowej u młodych ludzi i sportowców.

Wielu pacjentów z kardiomiopatią przerostową prowadzi normalne życie, ale część z nich ma znacznie podwyższone ryzyko nagłej śmierci sercowej. Do tej pory lekarze mieli ogromny problem, aby ustalić, którzy pacjenci są szczególnie zagrożeni.

Obecne wytyczne kliniczne stosowane przez lekarzy w USA i Europie, które mają pomóc w identyfikacji pacjentów najbardziej narażonych na zawał serca, mają około 50 proc. skuteczności - "niewiele lepszej niż rzut kostką", jak mówi Trayanova.

Model opracowany przez zespół znacząco przewyższył skutecznością wytyczne kliniczne we wszystkich grupach demograficznych.

Multimodalna sztuczna inteligencja (SI) do stratyfikacji ryzyka arytmii komorowych (MAARS) przewiduje ryzyko nagłej śmierci sercowej u poszczególnych pacjentów, analizując różnorodne dane i dokumentację medyczną, a po raz pierwszy wykorzystując pełne informacje zawarte w obrazach rezonansu magnetycznego serca z podaniem kontrastu.

U osób z kardiomiopatią przerostową rozwijają się zwłóknienia, czyli bliznowacenie serca, a to właśnie ono zwiększa ryzyko nagłej śmierci sercowej. Podczas gdy lekarze nie byli w stanie zinterpretować surowych obrazów MRI, model SI potrafi bezpośrednio wskazać kluczowe wzorce bliznowacenia.

Przetestowano model na rzeczywistych pacjentach leczonych według tradycyjnych wytycznych klinicznych w Szpitalu Uniwersytetu Johnsa Hopkinsa oraz w Sanger Heart & Vascular Institute w Karolinie Północnej.

W porównaniu z wytycznymi klinicznymi, które były trafne w około połowie przypadków, model SI osiągnął 89 proc. trafności u wszystkich pacjentów, a co kluczowe: aż 93 proc. trafności u osób w wieku 40-60 lat, czyli w grupie pacjentów z kardiomiopatią przerostową najbardziej zagrożonej nagłą śmiercią sercową.

Model SI potrafi także wyjaśnić, dlaczego pacjent jest w grupie wysokiego ryzyka, dzięki czemu lekarze mogą dostosować plan leczenia do jego indywidualnych potrzeb. - Nasze badanie pokazuje, że model SI znacząco poprawia naszą zdolność do przewidywania, kto jest w grupie najwyższego ryzyka, w porównaniu z obecnymi algorytmami, i tym samym ma potencjał, aby zmienić opiekę kliniczną - mówi współautor Jonathan Crispin, kardiolog z Uniwersytetu Johnsa Hopkinsa.

Zespół planuje dalsze testy nowego modelu na większej liczbie pacjentów oraz rozszerzenie nowego algorytmu na inne choroby serca, w tym sarkoidozę serca i arytmogenną kardiomiopatię prawej komory.

Na podstawie:

AI spots deadly heart risk most doctors can't see