Uczenie maszynowe, to dziedzina badań sztucznej inteligencji, która polega na dostarczaniu danych do komputera, aby nauczyć go rozwiązywania problemu. Obecnie sztuczna inteligencja w medycynie jest z powodzeniem wykorzystywana do diagnozowania i przewidywania różnych chorób. Czy okaże się ona również skuteczna w kardiologii? Nie istnieje taka sfera działalności, w której nie byłoby ryzyka wystąpienia ludzkiego błędu. Medycyna nie jest wyjątkiem. Nawet najlepsi specjaliści popełniają błędy skutkiem zmęczenia czy źle postawionej wcześniejszej diagnozy. Jednakże, obecnie powstają algorytmy, które będą dostarczać lekarzom materiał badawczy nie narażony na wystąpienie błędu. Jest to możliwe, dzięki zastosowaniu sztucznej inteligencji i wykorzystywaniu jej na tych obszarach, na których może ona skutecznie zastąpić czynnik ludzki. Wdrożenie systemów sztucznej inteligencji pozwoli lekarzom na zapewnienie lepszej opieki pacjentom przy minimalnych dodatkowych kosztach dla systemu opieki zdrowotnej. Może mieć to również doskonałe zastosowanie w kardiologii.
Tłuszcz a zawał
Naukowcy z Uniwersytetu w Oksfordzie wykorzystali biopsje tkanki tłuszczowej pacjentów poddawanych operacjom kardiologicznym i przeanalizowali działanie genów związanych ze stanami zapalnymi, bliznowaceniem i tworzeniem nowych naczyń krwionośnych w pobranych fragmentach. Po zestawieniu tej analizy z wynikami angiografii naczyń wieńcowych, dało się stworzyć wzorzec, określający które z genów zwiększają ryzyko wystąpienia zawału. Dopasowanie tych wzorców testowane na grupie ponad półtora tysiąca osób wykazało, że algorytm skutecznie i bez konieczności innych badań doskonale przewiduje ryzyko wystąpienia zawału.
Algorytm rozpatruje wskaźniki biochemiczne krwi, ale również płeć i wiek pacjenta, przez co pozwala na skuteczniejsze przypisanie ich do grup ryzyka.
Multidyscyplinarny zespół z Oksfordu, złożony z radiologów, analityków i biostatystyków, opracował w pełni zautomatyzowaną metodę wykorzystującą głębokie uczenie się w celu określenia wskaźników składu ciała, na podstawie obrazów tomografii komputerowej jamy brzusznej, którą przetestowano na 23 tys. pacjentach.
Na podstawie analizy skanów, na wysokości trzeciego kręgu lędźwiowego kręgosłupa, sztuczna inteligencja obliczyła skład ciała każdego pacjenta, a następnie ustaliła, który z nich z dużym prawdopodobieństwem przejdzie zawał serca lub udar mózgu w ciągu kolejnych pięciu lat. Dalsza analiza wykazała, że objętość tłuszczu trzewnego była wyjątkowo silnie powiązana z przyszłym zawałem serca i udarem, zaś BMI nie było skorelowane ani z jednym, ani z drugim.
Co w oku, to na sercu
Naukowcy z Google, i jego filii Health-Tech Verily, odkryli nowy sposób oceny ryzyka chorób serca u ludzi z wykorzystaniem algorytmu sztucznej inteligencji. Stworzony przez nich program komputerowy jest w stanie pozyskać informacje o wieku osoby, wskaźniku BMI, ciśnieniu tętniczym krwi a nawet paleniu papierosów na podstawie analizy skanu siatkówki. Dane te z kolei mogą być wykorzystywane do określenia współczynnika ryzyka wystąpienia niedokrwiennych chorób serca, takich jak chociażby zawał.
W artykule naukowym zamieszczonym w Nature Journal Biomedical Engineering, można przeczytać, iż algorytm ten przebadał 280 000 osób i wykrył potencjalne zagrożenie aż u 12 000 pacjentów, którzy w przeszłości nie doświadczyli żadnych sercowych dolegliwości. Diagnoza postawiona przez sztuczną inteligencję została porównana z innymi, bardziej konwencjonalnymi testami i ustalono, iż skuteczność tego algorytmu oscyluje obecnie w granicach 70 proc.
Komputer pokaże, ile krwi płynie do serca
Jednym z pierwszych objawów, które wskazują na choroby serca, jest zmniejszenie przepływu krwi trudne do wykrycia bez zastosowania inwazyjnych procedur. I tu również dopomóc może sztuczna inteligencja. Naukowcy z University College London, wykorzystali skany CMR ponad 1000 pacjentów, aby nauczyć system, jak wyglądają objawy zmniejszonego przepływu krwi, co pozwoliło na precyzyjne określenie, ile krwi wpływa do mięśnia sercowego pacjenta. Ponieważ słaby przepływ krwi jest uleczalny, te prognozy prowadzić będą do wcześniejszych diagnoz i tym samym, lepszej opieki nad chorymi.
Uwaga! Migotanie przedsionków!
Migotanie przedsionków może przebiegać bez widocznych objawów, i dlatego tak trudno go wykryć bez specjalistycznych badań za pomocą EKG, które obecnie muszą być długotrwałe, a więc kosztowne. Naukowcy z Mayo Clinic w USA postanowili „zatrudnić” do tego sztuczną inteligencję, wykorzystując wyniki badań niemal 181 tysięcy chorych do modelowania komputerowego. Pozwoliło ono zidentyfikować nawet niewielkie oznaki pogarszającej się pracy serca, co daje efekt zbliżony do systemu wczesnego ostrzegania. Metoda wymaga jeszcze udoskonalenia, ale naukowcy wierzą, że wkrótce dzięki wykorzystaniu odpowiednich algorytmów, uda się przewidywać zagrożenie migotaniem przedsionków.
Selfie, które przewidzi chorobę wieńcową
Zgodnie z wynikami badania jakie chiński zespół naukowców opublikował w European Heart Journal, sztuczną inteligencję można wykorzystać do analizy twarzy w celu wykrycia chorób serca. W medycynie wiadomo bowiem, iż niektóre cechy wyglądu zewnętrznego twarzy wiążą się ze zwiększonym ryzykiem tych chorób. Należą do nich: przerzedzone lub siwe włosy, zmarszczki, fałdy na płatku ucha czy małe, żółte złogi cholesterolu pod skórą, zwykle znajdujące się wokół powiek.
Chińskie badanie wykazało, że możliwe jest użycie algorytmu uczenia głębokiego do wykrywania choroby wieńcowej poprzez analizę tylko czterech zdjęć twarzy. Chociaż algorytm ten musi być dalej rozwijany i testowany na większych grupach osób, naukowcy uważają, że można go wykorzystywać w charakterze narzędzia przesiewowego, które mogłoby zidentyfikować możliwe choroby serca u osób w populacji ogólnej lub w poszczególnych grupach ryzyka.
Na naszym podwórku
Badania nad możliwościami sztucznej inteligencji w kardiologii nie są obce również polskim naukowcom. Krakowski startup Cardiomatics, bazując na sztucznej inteligencji, stworzył nowoczesne oprogramowanie służące do automatycznej analizy i interpretacji sygnału EKG, które sprawi, ze lekarze będą mogli użyć sztuczną inteligencję do odpowiedniej kwalifikacji pacjentów na terapię resynchronizującą CRT, stosowaną u pacjentów z niewydolnością serca. Analiza badania Holter EKG wykonywana jest zazwyczaj przez lekarzy manualnie, co zajmuje dość dużo czasu. Oprogramowanie Cardiomatics skraca go, umożliwiając przeprowadzenie szczegółowej analizy i interpretacji danych przez algorytm, co pozwoli lekarzowi szybko otrzymać dokładny raport z badania, na którym będzie mógł oprzeć diagnozę.