Новый подход, основанный на искусственном интеллекте, может предсказать, может ли пациент умереть от остановки сердца и когда это произойдет. Технология, основанная на необработанных изображениях больных сердец и биографии пациентов, значительно превосходит прогнозы врачей и может произвести революцию в принятии клинических решений и повысить выживаемость при внезапных и смертельных сердечных аритмиях — одном из самых смертельных и загадочных состояний в медицине.
Работа, проведенная под руководством исследователей из Университета Джона Хопкинса, подробно описана сегодня в журнале Nature Cardiovascular Research.
«Внезапная сердечная смерть, вызванная аритмией, составляет до 20% всех смертей в мире, и мы мало знаем о том, почему это происходит или как определить, кто находится в группе риска», — говорит старший автор исследования Наталья Траянова, профессор биомедицинской инженерии и медицины. «Есть пациенты с низким риском внезапной сердечной смерти, которые получают дефибрилляторы, которые им, возможно, не нужны, а есть пациенты с высоким риском, которые не получают необходимого лечения и могут умереть в самом расцвете сил. Наш алгоритм может определить, кто находится в группе риска по сердечной смерти и когда она наступит, что позволит врачам решить, что именно необходимо сделать».
Команда является первой, кто использует нейронные сети для построения персонализированной оценки выживаемости для каждого пациента с сердечными заболеваниями. Эти показатели риска позволяют с высокой точностью определить вероятность внезапной сердечной смерти в течение 10 лет, а также время, когда это произойдет с наибольшей вероятностью.
Технология глубокого обучения называется Survival Study of Cardiac Arrhythmia Risk, или SSCAR. Это название намекает на рубцевание сердца, вызванное болезнью сердца, которое часто приводит к смертельным аритмиям, и является ключом к предсказаниям алгоритма.
Команда использовала изображения сердца с контрастным усилением, визуализирующие распределение рубцов, полученные от сотен реальных пациентов больницы Джона Хопкинса с рубцовыми деформациями сердца, для обучения алгоритма выявления закономерностей и взаимосвязей, не видимых невооруженным глазом. Текущий анализ клинических изображений сердца позволяет выявить только простые характеристики рубцов, такие как объем и масса, что крайне неполноценно использует то, что, как показано в данной работе, является критически важными данными.
«Изображения несут важную информацию, к которой врачи не имеют доступа», — говорит первый автор Дэн Попеску, бывший аспирант университета Джона Хопкинса. «Эти рубцы могут быть распределены по-разному, и это говорит о шансах пациента на выживание. В этом скрыта информация».
Команда обучила вторую нейронную сеть на основе 10 лет стандартных клинических данных пациентов, 22 факторов, таких как возраст, вес, расовая принадлежность и употребление рецептурных препаратов.
Предсказания алгоритмов были не только значительно более точными по всем показателям, чем у врачей, они были подтверждены в тестах с независимой когортой пациентов из 60 медицинских центров по всей территории США, с разными историями болезни и разными данными визуализации, что позволяет предположить, что платформа может быть принята в любом месте.
«Это может существенно повлиять на принятие клинических решений в отношении риска аритмии и представляет собой важный шаг на пути к тому, чтобы ввести прогнозирование траектории пациента в эпоху искусственного интеллекта», — сказала Траянова, содиректор Альянса инноваций в области сердечно-сосудистой диагностики и лечения. «Это олицетворяет тенденцию слияния искусственного интеллекта, инженерии и медицины как будущего здравоохранения».
Сейчас команда работает над созданием алгоритмов для выявления других сердечных заболеваний. По словам Траяновой, концепция глубокого обучения может быть разработана для других областей медицины, которые полагаются на визуальную диагностику.
Оригинал earth-chronicles.ru
