Umelá inteligencia môže predpovedať ochorenie na základe skenovania hustoty kostí
- Autor:
- Roman Mališka
- Zverejnené:
- 31. 7. 2023
- Hodnotenie:
- Už ste hlasovali.
Výskumníci použili strojové učenie na vyhodnotenie skenov hustoty kostí na kalcifikáciu v aorte, hlavnej tepne tela. Tvrdia, že ich metóda by sa mohla použiť na predpovedanie budúcich kardiovaskulárnych a iných ochorení ešte pred objavením sa príznakov.
Tak ako môže byť problematická kalcifikácia alebo ukladanie vápnika na vnútornej stene ciev v srdci, môže byť problematická aj kalcifikácia aorty, najväčšej tepny v tele. Vychádzajúc zo srdca sa rozvetvuje smerom nahor, aby zásobovala krvou mozog a ruky, a pokračuje až do brucha, kde sa rozdeľuje na menšie tepny, ktoré zásobujú každú nohu.
Kalcifikácia brušnej aorty (Abdominal aortic calcification - AAC), ktorá prechádza cez brucho, môže predpovedať vznik kardiovaskulárnych ochorení, ako je srdcový infarkt a mozgová príhoda, a určovať riziko úmrtia. Predchádzajúce štúdie tiež zistili, že je to aj spoľahlivý marker demencie v neskorom veku. AAC je viditeľná na snímkach hustoty kostí, ktoré sa zvyčajne používajú na zisťovanie osteoporózy v bedrových stavcoch, ale na analýzu týchto snímok je potrebný vysoko kvalifikovaný odborník, čo si vyžaduje čas.
AAC bežne kvantifikujú vyškolení špecialisti na zobrazovanie pomocou 24-bodového skórovacieho systému AAC-24. Skóre nula predstavuje žiadnu kalcifikáciu a skóre 24 predstavuje najťažší stupeň AAC. Výskumníci z univerzity Edith Cowanovej v Austrálii sa teraz obrátili na strojové učenie, aby urýchlili proces hodnotenia a bodovania kalcifikácie.
Výskumníci vložili do svojho modelu strojového učenia 5 012 snímok chrbtice zhotovených štyrmi rôznymi modelmi prístrojov na meranie hustoty kostí. Hoci boli vyvinuté aj iné algoritmy na hodnotenie AAC z týchto typov snímok, výskumníci tvrdia, že táto štúdia je najväčšia a prvá, ktorá bola testovaná v reálnom prostredí s použitím snímok zhotovených z rutinného vyšetrenia hustoty kostí.
Následne hodnotili výkonnosť modelu pri presnej klasifikácii snímok do kategórií s nízkou, strednou a vysokou kalcifikáciou na základe ich skóre AAC-24. Na overenie presnosti sa skóre AAC založené na strojovom učení porovnávalo so skóre, ktoré udeľovali ľudskí odborníci. Odborník a softvér dospeli k rovnakému určeniu v 80 % prípadov. Tri percentá osôb s vysokým skóre AAC boli softvérom nesprávne diagnostikované ako osoby s nízkym skóre.
„Je to pozoruhodné, pretože ide o osoby s najväčším rozsahom ochorenia a najvyšším rizikom fatálnych a nefatálnych kardiovaskulárnych príhod a úmrtnosti zo všetkých príčin,“ povedal Joshua Lewis, korešpondujúci autor štúdie. „Aj keď je ešte stále potrebné pracovať na zlepšení presnosti softvéru v porovnaní s ľudskými údajmi, tieto výsledky pochádzajú z našej verzie 1.0 algoritmu a v našich novších verziách sme už výsledky podstatne zlepšili“.
Vedci tvrdia, že ich algoritmus strojového učenia dokáže analyzovať snímky hustoty kostí rýchlosťou približne 60 000 snímok denne. Je to obrovské zlepšenie, ak si uvedomíme, že analýza jedného snímku trvá priemernému odborníkovi päť až 15 minút.
„Keďže tieto snímky a automatizované skóre možno rýchlo a jednoducho získať v čase vyšetrenia hustoty kostí, môže to v budúcnosti viesť k novým prístupom na včasné zisťovanie kardiovaskulárnych ochorení a monitorovanie ochorení počas bežnej klinickej praxe,“ povedal Joshua Lewis.
A výskumníci tvrdia, že ich skríningová metóda by sa mohla používať na skríning ochorení ešte pred objavením sa príznakov.
„Automatizované hodnotenie prítomnosti a rozsahu AAC s podobnou presnosťou ako u špecialistov na zobrazovacie metódy poskytuje možnosť rozsiahleho skríningu kardiovaskulárnych a iných ochorení - ešte predtým, ako sa u niekoho objavia akékoľvek príznaky,“ povedal Lewis. „To umožní rizikovým ľuďom oveľa skôr vykonať potrebné zmeny v životnom štýle a umožní im to byť zdravšími v neskoršom veku“.
Štúdia bola nedávno uverejnená v magazíne eBioMedicine.
