Οι επιστήμονες ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να αναλύει τις σαρώσεις των ματιών που λαμβάνονται κατά τη διάρκεια μιας επίσκεψης ρουτίνας σε έναν οφθαλμίατρο και να εντοπίζει τους ασθενείς που διατρέχουν υψηλό κίνδυνο καρδιακής προσβολής. Οι γιατροί έχουν αναγνωρίσει ότι οι αλλαγές στα μικροσκοπικά αιμοφόρα αγγεία του αμφιβληστροειδούς είναι δείκτες ευρύτερης αγγειακής νόσου, συμπεριλαμβανομένων των προβλημάτων με την καρδιά.
Στην έρευνα, με επικεφαλής το Πανεπιστήμιο του Leeds, χρησιμοποιήθηκαν τεχνικές βαθιάς μάθησης για την εκπαίδευση ενός συστήματος τεχνητής νοημοσύνης ώστε να διαβάζει αυτόματα τις σαρώσεις του αμφιβληστροειδούς και να εντοπίζει τους ανθρώπους εκείνους που, κατά τη διάρκεια του επόμενου έτους, ήταν πιθανό να πάθουν καρδιακή προσβολή.
Advertisment
Η βαθιά μάθηση είναι μια σύνθετη σειρά αλγορίθμων που επιτρέπουν στους υπολογιστές να εντοπίζουν μοτίβα στα δεδομένα και να κάνουν προβλέψεις. Γράφοντας στο περιοδικό Nature Machine Intelligence, οι ερευνητές αναφέρουν στη δημοσίευσή τους ότι το σύστημα τεχνητής νοημοσύνης είχε ακρίβεια μεταξύ 70% και 80% και θα μπορούσε να χρησιμοποιηθεί ως ένας δεύτερος μηχανισμός παραπομπής για εμπεριστατωμένη καρδιαγγειακή εξέταση.
Η χρήση της βαθιάς μάθησης στην ανάλυση των σαρώσεων του αμφιβληστροειδούς θα μπορούσε να φέρει επανάσταση στον τρόπο με τον οποίο οι ασθενείς ελέγχονται τακτικά για ενδείξεις καρδιακής νόσου.
Έγκαιρος εντοπισμός καρδιακών παθήσεων
Ο καθηγητής Alex Frangi, ο οποίος κατέχει έδρα στο τμήμα Computational Medicine στη Σχολή Πληροφορικής του Πανεπιστημίου του Leeds και εργάζεται και στο Ινστιτούτο Alan Turing, επέβλεψε την έρευνα. Δήλωσε: «Οι καρδιαγγειακές παθήσεις, συμπεριλαμβανομένων των καρδιακών προσβολών, είναι η κύρια αιτία πρόωρου θανάτου παγκοσμίως και η δεύτερη μεγαλύτερη αιτία θανάτου στο Ηνωμένο Βασίλειο. Αυτό προκαλεί χρόνιες ασθένειες και δυστυχία παγκοσμίως.
Advertisment
Η τεχνική αυτή μπορεί να φέρει επανάσταση στον έλεγχο των καρδιακών παθήσεων. Οι σαρώσεις αμφιβληστροειδούς είναι συγκριτικά φθηνές και χρησιμοποιούνται συνήθως σε πολλά ιατρεία οφθαλμιάτρων. Ως αποτέλεσμα του αυτοματοποιημένου ελέγχου, οι ασθενείς που διατρέχουν υψηλό κίνδυνο να νοσήσουν θα μπορούσαν να παραπέμπονται σε εξειδικευμένες καρδιολογικές υπηρεσίες. Το σύστημα θα μπορούσε επίσης να χρησιμοποιηθεί για τον εντοπισμό πρώιμων ενδείξεων καρδιακής νόσου».
Η UK Biobank παρείχε δεδομένα για τη μελέτη. Ο Chris Gale, καθηγητής καρδιαγγειακής ιατρικής στο Πανεπιστήμιο του Leeds ήταν ένας από τους συγγραφείς της ερευνητικής εργασίας. Ο ίδιος δήλωσε: «Το σύστημα τεχνητής νοημοσύνης έχει τη δυνατότητα να εντοπίζει τα άτομα που κάνουν τον συνήθη οφθαλμολογικό έλεγχο και τα οποία διατρέχουν υψηλότερο μελλοντικό κίνδυνο καρδιαγγειακής νόσου, οπότε οι προληπτικές θεραπείες θα μπορούσαν να ξεκινήσουν νωρίτερα για την πρόληψη της πρόωρης καρδιαγγειακής νόσου».
Το μοντέλο της βαθιάς μάθησης
Κατά τη διάρκεια της διαδικασίας βαθιάς μάθησης, το σύστημα τεχνητής νοημοσύνης ανέλυσε τις σαρώσεις αμφιβληστροειδούς και τις καρδιακές σαρώσεις από περισσότερους από 5.000 ανθρώπους. Το σύστημα τεχνητής νοημοσύνης εντόπισε συσχετίσεις μεταξύ της παθολογίας στον αμφιβληστροειδή και των αλλαγών στην καρδιά του ασθενούς.
Μόλις τα μοτίβα των εικόνων μαθεύτηκαν, το σύστημα ΤΝ μπορούσε να εκτιμήσει το μέγεθος και την απόδοση άντλησης της αριστερής κοιλίας, ενός από τους τέσσερις θαλάμους της καρδιάς, μόνο από τις σαρώσεις αμφιβληστροειδούς. Μια διευρυμένη κοιλία συνδέεται με αυξημένο κίνδυνο καρδιακής νόσου.
Με πληροφορίες σχετικά με το εκτιμώμενο μέγεθος της αριστερής κοιλίας και την αποδοτικότητα άντλησής της σε συνδυασμό με βασικά δημογραφικά δεδομένα για τον ασθενή, την ηλικία και το φύλο του, το σύστημα τεχνητής νοημοσύνης θα μπορούσε να κάνει μια πρόβλεψη σχετικά με τον κίνδυνο καρδιακής προσβολής για τους επόμενους 12 μήνες.
Επί του παρόντος, οι λεπτομέρειες σχετικά με το μέγεθος και την αποτελεσματικότητα άντλησης της αριστερής κοιλίας ενός ασθενούς μπορούν να προσδιοριστούν μόνο εάν υποβληθούν σε διαγνωστικές εξετάσεις, όπως ηχοκαρδιογραφία ή μαγνητική τομογραφία της καρδιάς. Αυτές οι διαγνωστικές εξετάσεις μπορεί να είναι ακριβές και συχνά είναι διαθέσιμες μόνο σε νοσοκομειακό περιβάλλον, καθιστώντας τις απρόσιτες για τους ανθρώπους σε χώρες με λιγότερο καλά εξοπλισμένα συστήματα υγειονομικής περίθαλψης – ή αυξάνοντας άσκοπα το κόστος υγειονομικής περίθαλψης και τους χρόνους αναμονής στις ανεπτυγμένες χώρες.
Πηγή:
www.goodnewsnetwork.org/ai-identify-heart-disease-eye-sca-leeds
