Heart-Saving AI: sydämensiirto voi olla hengenpelastus potilaille, joilla on loppuvaiheen sydämen vajaatoiminta. Monet potilaat kuitenkin kokevat elinsiirteen hylkimisreaktion, jossa immuunijärjestelmä hyökkää siirrettyä elintä vastaan

Siirteen hylkimisen havaitseminen on kuitenkin haastavaa. Sen alkuvaiheessa potilaat eivät välttämättä koe oireita, eivätkä asiantuntijat aina ole yhtä mieltä hyljintäreaktion asteesta ja vakavuudesta, kun he tutkivat sydänbiopsiaa ongelman diagnosoimiseksi.

Sydämensuojelu ja sydämen elvytys? TUTUSTU EMD112 BOOTHIN HÄTÄ -EXPOON NYT, LISÄÄ LISÄÄ

Tekoäly, joka auttaa sydämensiirroissa: CRANE-järjestelmä

Auttaakseen vastaamaan näihin haasteisiin, Brigham and Women's Hospital -sairaalan Harvard Medical Schoolin tutkijat loivat tekoälyjärjestelmän nimeltä sydämen hyljintäarvioinnin neuralestimaattori (CRANE), joka voi auttaa havaitsemaan hylkimisen ja arvioimaan sen vakavuuden.

Pilottitutkimuksessa ryhmä arvioi CRANE:n suorituskykyä kolmen eri maan potilaiden antamilla sydänkudosnäytteillä ja havaitsi, että se voisi auttaa sydänasiantuntijoita diagnosoimaan hylkimisreaktion tarkemmin ja lyhentämään tutkimukseen tarvittavaa aikaa.

Nature Medicine -lehdessä julkaistut ryhmän työn tulokset osoittavat tämän lähestymistavan toteutettavuuden ja lupauksen suuremmissa kliinisissä tutkimuksissa.

"Retrospektiivinen pilottitutkimuksemme osoitti, että tekoälyn ja ihmisälyn yhdistäminen voi parantaa asiantuntijasopimusta ja lyhentää biopsioiden arvioimiseen tarvittavaa aikaa", sanoi tutkimuksen vanhempi kirjoittaja Faisal Mahmood, HMS:n patologian apulaisprofessori Brigham and Women'sista.

"Tuloksemme luovat pohjan laajamittaisille kliinisille tutkimuksille, joilla selvitetään tekoälymallien käyttökelpoisuus sydämensiirtotulosten parantamisessa."

Mahmood johtaa myös Mahmood Labia Brigham and Women'sin patologian laitoksella.

Sydänbiopsiaa käytetään yleisesti tunnistamaan ja arvioimaan elimen hylkimisreaktion vaikeusaste potilailla sydämensiirron jälkeen.

Useat tutkimukset ovat kuitenkin osoittaneet, että asiantuntijat ovat usein eri mieltä siitä, hylkiikö potilas sydämen tai kuinka vakava hyljintä on.

Diagnoosin vaihtelulla on suoria kliinisiä seurauksia ja se voi aiheuttaa kriittisiä viivästyksiä hoidossa, tarpeettomia seurantabiopsioita, ahdistusta, riittämätöntä lääkeannostusta ja viime kädessä huonompia tuloksia.

EKG -LAITTEET? VIERAILE ZOLL BOOTH HÄTÄ -EXPO

CRANE, kun tekoäly arvioi sydämen yhdessä ammattilaisten kanssa

CRANE on suunniteltu käytettäväksi yhdessä ihmisen asiantuntija-arvioinnin kanssa tarkan diagnoosin tekemiseksi nopeammin, ja sitä voidaan käyttää myös tiloissa, joissa patologian asiantuntijoita saattaa olla vähän saatavilla.

Tiimi koulutti CRANEa elinsiirron hylkimisreaktion havaitsemiseen, alatyypitykseen ja luokitteluun käyttämällä tuhansia patologisia kuvia yli 1,300 XNUMX:sta Brigham and Women'sin sydänbiopsiasta.

Tämän jälkeen tutkijat validoivat mallin käyttämällä Brigham and Womenin koebiopsiaa ja riippumattomia ulkoisia testisarjoja, jotka saatiin Sveitsin ja Turkin sairaaloista.

Ulkoiset validointitietojoukot rakennettiin osoittamaan suurta vaihtelua keinona testata tekoälymallia ja varmistaa, että se toimii tarkasti, vaikka se kohtaakin paljon hämmentäviä signaaleja.

CRANE suoriutui hyvin hylkäämisen havaitsemisessa ja arvioinnissa, ja tulokset olivat verrattavissa perinteisiin arviointeihin.

Kun asiantuntijat käyttivät työkalua, asiantuntijoiden väliset erimielisyydet vähenivät ja arviointiaika lyheni.

Kirjoittajat huomauttavat, että työkalun käyttö kliinisessä käytännössä on vielä määrittämättä, ja he suunnittelevat lisäävänsä järjestelmään parannuksia, mutta tulokset osoittavat mahdollisuuksia integroida tekoäly diagnostiikkaan.

"Lääketieteen historian aikana diagnostiset arvioinnit ovat olleet suurelta osin subjektiivisia", Mahmood sanoi.

"Mutta laskentatyökalujen tehon ja avun ansiosta se alkaa muuttua.

On oikea aika tehdä muutos tuomalla yhteen kliinisen asiantuntemuksen ja laskennallisen tieteen osaajia kehittämään avustavia diagnostisia työkaluja.

Sydänsairaus: kuka tuki AI CRANEa

Tätä työtä tuki osittain BWH:n presidentin rahasto, National Institute of General Medical Sciences (R35GM138216), Google Cloud Research Grant, Nvidia GPU Grant Program, sisäiset varat Brighamilta ja Women's and Massachusetts General Hospital Pathology, National Institutes of Health. , National Library of Medicine Biomedical Informatics and Data Science Research Training -ohjelma (T15LM007092), National Human Genome Research Institute Ruth L. Kirschstein National Research Service Award Bioinformatics Training Grant (T32HG002295), National Cancer Institute Ruth L. Kirschstein National Service Award (T32CA251062) ja National Science Foundation Graduate Fellowship.

Lue myös:

Emergency Live Enemmän...Live: Lataa uusi ilmainen sanomalehtisovellus IOS:lle ja Androidille

Sydämen vajaatoiminta ja tekoäly: Itseoppiva algoritmi EKG:lle näkymättömien merkkien havaitsemiseen

Sydämen vajaatoiminta: oireet ja mahdolliset hoidot

Mikä on sydämen vajaatoiminta ja miten se voidaan tunnistaa?

Sydän: mikä on sydänkohtaus ja miten siihen puututaan?

Onko sinulla sydämentykytys? Tässä on mitä ne ovat ja mitä ne osoittavat

Sydänkohtauksen oireet: mitä tehdä hätätilanteessa, elvytyksen rooli

Lähde:

Harvard Medical School