Tehisintellekti tööriist diagnoosib kõrge täpsusega kaugelearenenud südamepuudulikkust

Kaugelearenenud südamepuudulikkuse diagnoosimise revolutsioneerimine tehisintellekti abil

Kaugelearenenud südamepuudulikkus, kurnav seisund, mis mõjutab sadu tuhandeid inimesi kogu maailmas, on pikka aega esitanud olulise diagnostilise väljakutse. Patsiendid kannatavad sageli hilinenud diagnoosi all, mis on tingitud praeguste hindamismeetodite keerulisest ja ressursimahukast iseloomust. Kuid Weill Cornell Medicine’i, Cornell Techi, Cornell Ann S. Bowers College of Computing and Information Science’i, Columbia University Vagelos College of Physicians and Surgeons’i ja NewYork-Presbyterian’i koostöörühmade murranguline uuring on valmis seda olukorda muutma. Teadlased on edukalt välja töötanud ja testinud tehisintellektil (AI) põhineva tööriista, mis suudab tuvastada kaugelearenenud südamepuudulikkusega patsiente suure täpsusega, kasutades rutiinseid südame ultraheli andmeid ja elektroonilisi terviseandmeid (EHR). See uuenduslik lähenemine lubab demokratiseerida diagnoosimist ja oluliselt parandada patsientide ravi.

Diagnostiline pudelikael: miks tehisintellekt on kriitilise tähtsusega

Praegu tugineb kaugelearenenud südamepuudulikkuse lõplik diagnoos suurel määral kardiopulmonaalsele koormustestile (CPET). Kuigi CPET on tõhus, on see spetsialiseeritud protseduur, mis nõuab kalleid seadmeid ja kõrgelt koolitatud personali, mistõttu on see peamiselt saadaval ainult suurtes akadeemilistes meditsiinikeskustes. See tekitab märkimisväärse diagnostilise pudelikaela, mille tõttu jääb igal aastal hinnanguliselt 200 000 Ameerika Ühendriikide kaugelearenenud südamepuudulikkusega patsienti alateenindatuks või diagnoosimata. CPET-i laialdase kättesaadavuse puudumine tähendab, et paljud patsiendid jäävad ilma õigeaegsetest sekkumistest ja eriarstiabist.

Uus tehisintellektil põhinev meetod lahendab selle probleemi otse, pakkudes juurdepääsetavamat ja skaleeritavamat diagnostilist lahendust. „See avab paljutõotava tee kaugelearenenud südamepuudulikkusega patsientide tõhusamaks hindamiseks, kasutades andmeallikaid, mis on juba rutiinsesse ravisse integreeritud,“ selgitab dr Fei Wang, Weill Cornell Medicine’i tehisintellekti ja andmeteaduse dekaani abi ning Frances ja John L. Loebi meditsiiniinformaatika professor ja uuringu vanemautor. Ennustades maksimaalset hapnikutarbimist (peak VO2) – kõige kriitilisemat CPET-näitajat – kergesti kättesaadavatest ultraheli piltidest ja EHR andmetest, möödub tehisintellekti mudel traditsioonilistest piirangutest, tagades, et rohkem patsiente saab tuvastada ja neile pakutakse asjakohast ravi.

Multimodaalne tehisintellekti lähenemine täpsuskardioloogiale

Tehisintellekti tööriista märkimisväärne võimekus tuleneb selle keerulisest multimodaalsest, multi-instantsi masinõppe mudelist. Dr Wangi meeskonna, sealhulgas peaautorite dr Zhe Huang ja dr Weishen Pani poolt välja töötatud mudel suudab samaaegselt töödelda mitut erinevat tüüpi andmeid, pakkudes terviklikku ülevaadet patsiendi südame tervisest.

See võime ühendada ja tõlgendada erinevaid andmevooge võimaldab tehisintellektil õppida kaugelearenenud südamepuudulikkusele viitavaid keerulisi mustreid, mis võivad isoleeritud andmeanalüüsi käigus märkamata jääda. Mudelit treeniti rangelt, kasutades deidentifitseeritud andmeid 1000 südamepuudulikkusega patsiendilt NewYork-Presbyterian/Columbia University Irving Medical Centerist. Pärast treenimist valideeriti selle toimivus uuel, 127 südamepuudulikkusega patsiendi kohordil kolmest teisest NewYork-Presbyteriani ülikoolilinnakust. Tulemused olid veenvad, demonstreerides üldist täpsust ligikaudu 85% kõrge riskiga patsientide eristamisel. See kõrge täpsus viitab selle potentsiaalsele kasulikkusele reaalsetes kliinilistes tingimustes, pakkudes uut etaloni tehisintellekti agentide hindamiseks tootmises meditsiinilises diagnostikas.

Paljutõotavad tulemused ja koostööpõhine innovatsioon

Selle tehisintellekti tööriista edu on tunnistus interdistsiplinaarse koostöö jõust, mis on iseloomulik Cardiovascular AI Initiative'ile, Cornelli, Columbia ja NewYork-Presbyterian'i laiemale püüdlusele. Dr Nir Uriel, NewYork-Presbyterian'i kaugelearenenud südamepuudulikkuse ja südamesiirdamise direktor, mängis projekti käivitamisel olulist rolli. „Algselt panime kokku grupi, mis koosnes enam kui 40 südamepuudulikkuse spetsialistist, ja palusime neil öelda, kuhu nad arvasid, et tehisintellekti saaks kõige paremini rakendada,“ meenutas ta. See kliiniku juhitud lähenemine tagas, et tehisintellekti lahendus käsitles otse kriitilist kliinilist vajadust.

Dr Deborah Estrin, Cornelli Techi mõju dekaani abi, rõhutas sümbiootilist suhet: „Selle projekti kliinikute ja tehisintellekti teadlaste tihe suhtlus viis uute tehisintellekti tehnikate arendamiseni, mida muidu poleks uuritud. Nii et see oli juhtum, kus meditsiin kujundas tehisintellekti tulevikku – mitte ainult tehisintellekt ei kujundanud meditsiini tulevikku.“ See koostöövaim, mis ühendab kliinilised teadmised tipptasemel tehisintellekti uurimistööga, oli ülioluline tugeva ja kliiniliselt asjakohase tööriista väljatöötamiseks. Sellised partnerlused on hädavajalikud tehisintellekti rakenduste edendamiseks tundlikes valdkondades, nagu tervishoid, kus andmete privaatsus ja eetilised kaalutlused on esmatähtsad. Jõupingutused ettevõtte privaatsuse tagamiseks meditsiiniliste andmete käitlemisel arenevad pidevalt.

Tee sillutamine kliinilisele integratsioonile ja tulevasele mõjule

Selle uuringu paljutõotavad tulemused tähistavad olulist sammu tehisintellekti integreerimisel rutiinsesse südame-veresoonkonna ravisse. Uurimisrühm planeerib juba kliinilisi uuringuid, mis on vajalik faas USA Toidu- ja Ravimiameti (FDA) heakskiidu ja sellele järgneva laialdase kliinilise kasutuselevõtu saamiseks. Dr Uriel rõhutas transformatiivset potentsiaali: „Kui me saame seda lähenemist kasutada paljude kaugelearenenud südamepuudulikkusega patsientide tuvastamiseks, keda muidu ei tuvastataks, siis see muudab meie kliinilist praktikat ja parandab oluliselt patsientide tulemusi ja elukvaliteeti.“

See tehisintellekti tööriist esindab enamat kui lihtsalt tehnoloogilist edasiminekut; see on paradigmamuutus selles, kuidas kaugelearenenud südamepuudulikkust saaks diagnoosida, muutes täppismeditsiini juurdepääsetavamaks. Kasutades olemasolevat infrastruktuuri (ultraheliaparaadid) ja laialdaselt kättesaadavaid andmeid (EHR), vähendab mudel varajase avastamise takistusi, tagades, et rohkem patsiente saab õigeaegset, elupäästvat ravi. Selle algatuse edu inspireerib kahtlemata edasisi uuringuid tehisintellekti rolli kohta erinevates meditsiinivaldkondades, parandades lõpuks diagnostilist täpsust ja patsientide ravi kõigis valdkondades.