Maszynowy algorytm w chwilę oceni ryzyko chorób serca i złamań

Podczas stosowania algorytmu do obrazów oceny złamań kręgów wykonywanych u starszych kobiet w trakcie rutynowego badania gęstości kości - często w ramach planów leczenia osteoporozy - oceniano obecność i stopień zwapnienia aorty brzusznej (abdominal aortic calcification, AAC) u pacjentek.

Taka analiza zajmuje mniej niż minutę i pozwala przewidzieć wyniki AAC dla tysięcy obrazów, w porównaniu do pięciu-sześciu minut, jakie potrzebuje doświadczony specjalista na ocenę jednego obrazu.

Jak odkryto, 58 proc. starszych osób badanych podczas rutynowego pomiaru gęstości kości wykazywało umiarkowany lub wysoki poziom AAC, a co czwarta osoba wchodziła do gabinetu nieświadoma, że ma wysoki poziom AAC, co stawiało ją w grupie najwyższego ryzyka zawału serca i udaru.

- Wiemy, że kobiety są niedostatecznie badane i leczone pod kątem chorób sercowo-naczyniowych. Badanie to pokazuje, że możemy wykorzystać szeroko dostępne, niskopromieniotwórcze maszyny do pomiaru gęstości kości, aby zidentyfikować kobiety z wysokim ryzykiem chorób serca, co umożliwi im podjęcie leczenia.

- Osoby z AAC nie wykazują żadnych objawów. Dzięki zastosowaniu tego algorytmu podczas skanów gęstości kości kobiety mają znacznie większe szanse na odpowiednią diagnozę - mówi dr Cassandra Smith.

Pacjenci z umiarkowanymi lub wysokimi wynikami AAC mieli również większe ryzyko hospitalizacji i złamań związanych z upadkiem w porównaniu do tych z niskimi wynikami AAC.

- Im wyższe zwapnienie tętnic, tym większe ryzyko upadków i złamań - mówi dr Mark Sim, współautor badań. - Kiedy analizujemy tradycyjne czynniki ryzyka upadków i złamań - takie jak upadki w ciągu ostatniego roku czy gęstość mineralna kości - są to zwykle bardzo dobre wskaźniki prawdopodobieństwa upadku. Niektóre leki również zwiększają to ryzyko. Rzadko jednak bierze się pod uwagę stan naczyń krwionośnych jako czynnik ryzyka upadków i złamań - dodaje.

- Nasza analiza pokazała, że AAC jest bardzo silnym czynnikiem ryzyka upadków i ma większe znaczenie niż wiele innych, obecnie uznawanych klinicznie czynników ryzyka - podkreśla dr Sim.

Na podstawie:

New machine algorithm could identify cardiovascular risk at the click of a button