Heart-Saving AI: ένα σύστημα τεχνητής νοημοσύνης δείχνει πολλά υποσχόμενο στον εντοπισμό σημείων απόρριψης μοσχεύματος καρδιάς
Heart-saving AI: η μεταμόσχευση καρδιάς μπορεί να είναι σωτήρια για ασθενείς με καρδιακή ανεπάρκεια τελικού σταδίου. Ωστόσο, πολλοί ασθενείς βιώνουν απόρριψη μοσχεύματος οργάνου, κατά την οποία το ανοσοποιητικό σύστημα επιτίθεται στο μεταμοσχευμένο όργανο
Αλλά η ανίχνευση απόρριψης μοσχεύματος είναι πρόκληση. Στα αρχικά της στάδια, οι ασθενείς μπορεί να μην εμφανίσουν συμπτώματα και οι ειδικοί δεν συμφωνούν πάντα για τον βαθμό και τη σοβαρότητα της απόρριψης όταν εξετάζουν βιοψίες καρδιάς για τη διάγνωση του προβλήματος.
AI που βοηθά στις μεταμοσχεύσεις καρδιάς: το σύστημα CRANE
Για να βοηθήσουν στην αντιμετώπιση αυτών των προκλήσεων, οι ερευνητές της Ιατρικής Σχολής του Χάρβαρντ στο Brigham and Women's Hospital δημιούργησαν ένα σύστημα τεχνητής νοημοσύνης που ονομάζεται νευρωνικός εκτιμητής αξιολόγησης καρδιακής απόρριψης (CRANE) που μπορεί να βοηθήσει στην ανίχνευση της απόρριψης και στην εκτίμηση της σοβαρότητάς της.
Σε μια πιλοτική μελέτη, η ομάδα αξιολόγησε την απόδοση του CRANE σε δείγματα καρδιακού ιστού που παρέχονται από ασθενείς από τρεις διαφορετικές χώρες, διαπιστώνοντας ότι θα μπορούσε να βοηθήσει τους ειδικούς της καρδιάς να διαγνώσουν με μεγαλύτερη ακρίβεια την απόρριψη και να μειώσουν τον χρόνο που απαιτείται για την εξέταση.
Τα αποτελέσματα της εργασίας της ομάδας, που δημοσιεύθηκαν στο Nature Medicine, καταδεικνύουν τη σκοπιμότητα και την υπόσχεση χρήσης αυτής της προσέγγισης σε μεγαλύτερες κλινικές δοκιμές.
«Η αναδρομική πιλοτική μας μελέτη έδειξε ότι ο συνδυασμός τεχνητής νοημοσύνης και ανθρώπινης νοημοσύνης μπορεί να βελτιώσει τη συμφωνία των ειδικών και να μειώσει τον χρόνο που απαιτείται για την αξιολόγηση των βιοψιών», δήλωσε ο ανώτερος συγγραφέας της μελέτης Faisal Mahmood, επίκουρος καθηγητής παθολογίας HMS στο Brigham and Women's.
«Τα αποτελέσματά μας θέτουν το σκηνικό για κλινικές δοκιμές μεγάλης κλίμακας για την καθιέρωση της χρησιμότητας των μοντέλων τεχνητής νοημοσύνης για τη βελτίωση των αποτελεσμάτων της μεταμόσχευσης καρδιάς».
Ο Mahmood ηγείται επίσης του εργαστηρίου Mahmood στο Τμήμα Παθολογίας στο Brigham and Women's.
Οι βιοψίες καρδιάς χρησιμοποιούνται συνήθως για τον εντοπισμό και τη βαθμολόγηση της σοβαρότητας της απόρριψης οργάνων σε ασθενείς μετά από μεταμόσχευση καρδιάς.
Ωστόσο, αρκετές μελέτες έχουν δείξει ότι οι ειδικοί συχνά διαφωνούν για το αν ο ασθενής απορρίπτει την καρδιά ή το βαθμό σοβαρότητας της απόρριψης.
Η μεταβλητότητα στη διάγνωση έχει άμεσες κλινικές συνέπειες και μπορεί να προκαλέσει κρίσιμες καθυστερήσεις στη θεραπεία, περιττές βιοψίες παρακολούθησης, άγχος, ανεπαρκή δόση φαρμάκων και, τελικά, χειρότερα αποτελέσματα.
ΕΞΟΠΛΙΣΜΟΣ ΗΚΓ; ΕΠΙΣΚΕΦΘΕΙΤΕ ΤΟ ZOOL BOOTH ΣΤΟ EXPOGENCE EXPO
CRANE, όταν το AI αξιολογεί την καρδιά σε συνδυασμό με επαγγελματίες
Το CRANE έχει σχεδιαστεί για να χρησιμοποιείται παράλληλα με την αξιολόγηση των ειδικών από τον άνθρωπο για την ταχύτερη δημιουργία ακριβούς διάγνωσης και μπορεί επίσης να χρησιμοποιηθεί σε περιβάλλοντα όπου μπορεί να υπάρχουν λίγοι ειδικοί στην παθολογία.
Η ομάδα εκπαίδευσε το CRANE για ανίχνευση, υποτυποποίηση και βαθμολόγηση της απόρριψης μοσχεύματος χρησιμοποιώντας χιλιάδες εικόνες παθολογίας από περισσότερες από 1,300 βιοψίες καρδιάς από το Brigham and Women's.
Στη συνέχεια, οι ερευνητές επικύρωσαν το μοντέλο, χρησιμοποιώντας βιοψίες δοκιμής από το Brigham and Women's και ανεξάρτητα, εξωτερικά σετ δοκιμών που ελήφθησαν από νοσοκομεία στην Ελβετία και την Τουρκία.
Τα εξωτερικά σύνολα δεδομένων επικύρωσης κατασκευάστηκαν για να επιδεικνύουν μεγάλο βαθμό μεταβλητότητας ως τρόπο δοκιμής πίεσης του μοντέλου AI και να διασφαλιστεί ότι μπορεί να αποδώσει με ακρίβεια ακόμη και όταν συναντά πολλά σήματα που προκαλούν σύγχυση.
Ο CRANE είχε καλή απόδοση στον εντοπισμό και την αξιολόγηση της απόρριψης, με αποτελέσματα συγκρίσιμα με αυτά των συμβατικών αξιολογήσεων.
Όταν οι ειδικοί χρησιμοποίησαν το εργαλείο, η διαφωνία μεταξύ των ειδικών μειώθηκε και ο χρόνος αξιολόγησης μειώθηκε.
Οι συγγραφείς σημειώνουν ότι η χρήση του εργαλείου στην κλινική πράξη μένει να καθοριστεί και σχεδιάζουν να κάνουν περαιτέρω βελτιώσεις στο σύστημα, αλλά τα αποτελέσματα δείχνουν τη δυνατότητα ενσωμάτωσης της τεχνητής νοημοσύνης στα διαγνωστικά.
«Σε όλη την ιστορία της ιατρικής, οι διαγνωστικές εκτιμήσεις ήταν σε μεγάλο βαθμό υποκειμενικές», είπε ο Mahmood.
«Αλλά λόγω της ισχύος και της βοήθειας των υπολογιστικών εργαλείων, αυτό έχει αρχίσει να αλλάζει.
Είναι η κατάλληλη στιγμή να κάνουμε μια αλλαγή φέρνοντας σε επαφή ανθρώπους με κλινική εξειδίκευση και άτομα με εξειδίκευση στην υπολογιστική επιστήμη για την ανάπτυξη βοηθητικών διαγνωστικών εργαλείων».
Καρδιοπάθεια: ποιος υποστήριξε το AI CRANE
Αυτή η εργασία υποστηρίχθηκε εν μέρει από το BWH President's Fund, το Εθνικό Ινστιτούτο Γενικών Ιατρικών Επιστημών (R35GM138216), ένα Google Cloud Research Grant, το πρόγραμμα επιχορήγησης GPU Nvidia, εσωτερικά κεφάλαια από το Brigham and Women's and Massachusetts General Hospital Pathology, τα Εθνικά Ινστιτούτα Υγείας , η Εθνική Βιβλιοθήκη Ιατρικής Βιοϊατρικής Βιοϊατρικής Πληροφορικής και Επιστήμης Δεδομένων Ερευνητικό Πρόγραμμα Εκπαίδευσης (T15LM007092), το Εθνικό Ερευνητικό Ινστιτούτο Ανθρώπινου Γονιδιώματος Ruth L. Kirschstein National Research Service Award Bioinformatics Training Grant (T32HG002295), το Εθνικό Ινστιτούτο Καρκίνου Ruth L. Kirschstein (T32CA251062), και η υποτροφία πτυχιούχων του Εθνικού Ιδρύματος Επιστημών.
Διαβάστε επίσης:
Καρδιακή ανεπάρκεια: συμπτώματα και πιθανές θεραπείες
Τι είναι η καρδιακή ανεπάρκεια και πώς μπορεί να αναγνωριστεί;
Καρδιά: Τι είναι το έμφραγμα και πώς επεμβαίνουμε;
Έχετε καρδιακούς παλμούς; Εδώ είναι τι είναι και τι υποδεικνύουν
Συμπτώματα καρδιακής προσβολής: Τι να κάνετε σε περίπτωση έκτακτης ανάγκης, ο ρόλος της ΚΑΡΠΑ