Τεχνητή Νοημοσύνη: νέος αλγόριθμος μπορεί να αποτρέψει χιλιάδες καρδιακές προσβολές

Με περίπου 18 εκατομμύρια θύματα ετησίως, οι καρδιαγγειακές παθήσεις είναι οι κύριες αιτίες πρόωρου θανάτου παγκοσμίως, πολύ πιο μπροστά από τον καρκίνο και τις ασθένειες του αναπνευστικού συστήματος. Οι περισσότεροι από αυτούς τους θανάτους οφείλονται σε καρδιακές προσβολές ή εγκεφαλικά. Ως εκ τούτου, η εύρεση τρόπων πρόληψης αποτελεί κορυφαία προτεραιότητα για τη δημόσια υγεία. Και αυτό προσπαθούν να κάνουν οι Βρετανοί ερευνητές χρησιμοποιώντας ένα νέο εργαλείο που βασίζεται στη μηχανική μάθηση.

Η τεχνητή νοημοσύνη, ένας τρομερός σύμμαχος για τη διάγνωση

Οι δυνατότητες της τεχνητής νοημοσύνης γίνονται όλο και πιο εμφανείς εδώ και αρκετά χρόνια. Εκτός από τις προφανείς δυνατότητές του στην έρευνα, για παράδειγμα στην ανάπτυξη νέων φαρμάκων, αρχίζει να καθιερώνεται και στον κλινικό τομέα. Αυτό αφορά ιδιαίτερα την επιστήμη της διάγνωσης. Για παράδειγμα, οι γιατροί μπορούν σήμερα να βασίζονται σε αλγόριθμους ικανούς να αναλύουν ακτίνες Χ ή εικόνες MRI για να ανιχνεύσουν ανωμαλίες, όπως όγκους. Αυτή είναι μια πολλά υποσχόμενη τεχνολογία επειδή αυτές οι εικόνες είναι συχνά πολύ δύσκολο να ερμηνευτούν από τον άνθρωπο. Ακόμη και οι μεγαλύτεροι ειδικοί μπορούν να χάσουν ορισμένα στοιχεία. Αυτά τα συστήματα που βασίζονται στην τεχνητή νοημοσύνη μπορούν έτσι να βελτιώσουν την ακρίβεια και την ταχύτητα της διάγνωσης και κατ’ επέκταση την υπόλοιπη θεραπεία. Η τελευταία εργασία μιας ομάδας ερευνητών από το διάσημο Πανεπιστήμιο της Οξφόρδης χρησιμοποιεί επίσης αυτή την έννοια, με μια διαφορά. Αντί να ψάχνουν για όγκους, θέλουν να παρακολουθούν τα προειδοποιητικά σημάδια των καρδιακών προσβολών.

Ένας αλγόριθμος με το χέρι στην καρδιά

Για να προσδιορίσουν τον κίνδυνο καρδιακής προσβολής, οι γιατροί χρησιμοποιούν συχνά μια εξέταση με αξονική τομογραφία. Αυτή η τεχνική απεικόνισης καθιστά δυνατό τον εντοπισμό διαφορετικών αλλαγών που υποδηλώνουν αυξημένο κίνδυνο. Μπορούμε να αναφέρουμε τη στένωση των στεφανιαίων αρτηριών, που είναι συχνά ένα πολύ εύγλωττο σήμα συναγερμού. Το πρόβλημα είναι ότι πάνω από τα τρία τέταρτα των ασθενών που υποφέρουν από έμφραγμα δεν έχουν εμφανή στένωση. Η όλη πρόκληση είναι επομένως να επιτύχουμε την εκμετάλλευση άλλων παραμέτρων για τη βελτίωση της ακρίβειας της διάγνωσης.

Για να το πετύχουν αυτό, οι ερευνητές της Οξφόρδης βασίστηκαν στην Τεχνητή Νοημοσύνη. Ανέπτυξαν ένα εργαλείο που βασίζεται στη μηχανική μάθηση που αναλύει εικόνες αξονικής σάρωσης για να εντοπίσει ανεπαίσθητες αλλαγές. Κατά τη διάρκεια αυτής της εργασίας, ενδιαφέρθηκαν κυρίως για αλλαγές στους λιπώδεις ιστούς που περιβάλλουν τις αρτηρίες που πάσχουν από φλεγμονή. Αυτός ο αλγόριθμος εκπαιδεύτηκε σε χιλιάδες εικόνες που λήφθηκαν από ασθενείς που υπέστησαν καρδιακή προσβολή σε μεταγενέστερη ημερομηνία. Από αυτούς τους πόρους, το πρόγραμμα έμαθε να εντοπίζει με ακρίβεια αυτούς τους παράγοντες κινδύνου. Οι πρώτες δοκιμές αποδείχθηκαν πειστικές.

Μετά την πρώτη φάση εκπαίδευσης, ο αλγόριθμος έδειξε ότι ήταν δυνατό να προβλεφθεί ένα έμφραγμα περίπου δέκα χρόνια πριν συμβεί.

Μια κλινική δοκιμή γεμάτη υποσχέσεις

Οι ερευνητές αποφάσισαν να πραγματοποιήσουν μια κλινική δοκιμή σε 744 άτομα. Για καθένα από αυτά, υπέβαλαν πολλές εικόνες σαρωτή στον αλγόριθμο. Τα αποτελέσματα αυτά στάλθηκαν στη συνέχεια στους θεράποντες ιατρούς των ασθενών για λόγους ενημέρωσης, ώστε να τα λάβουν υπόψη στη φροντίδα τους.

Και το αποτέλεσμα ήταν αρκετά θεαματικό. Βασιζόμενοι στα νέα δεδομένα, οι γιατροί αποφάσισαν να αλλάξουν θεραπεία στο 45% των περιπτώσεων! Αυτό δείχνει ότι οι πληροφορίες που παρείχε ο αλγόριθμος ήταν πολύτιμες για τους θεράποντες και κατ’ επέκταση για τους ασθενείς τους.

Και σύμφωνα με τις εκτιμήσεις των ερευνητών, το σύστημα μπορεί να βελτιωθεί ακόμα περισσότερο! Θα ήταν αρκετό να συνεχίσουμε να το τροφοδοτούμε με νέες εικόνες για να βελτιώσουμε την ακρίβειά του. Επιπλέον, θα μπορούσε να χρησιμοποιηθεί ακόμη και για την παρακολούθηση άλλων σοβαρών καρδιαγγειακών παθήσεων, όπως τα εγκεφαλικά επεισόδια.

Ένα εργαλείο που θα μπορούσε ήδη να κάνει τη διαφορά

Θα μπορούσε να βελτιώσει σημαντικά τη διάγνωση ασθενών που αρχίζουν να εμφανίζουν πόνο στο στήθος. Αυτό το εργαλείο θα μπορούσε επίσης να κάνει θαύματα όσον αφορά την πρόληψη, εντοπίζοντας έναν κίνδυνο πριν εμφανιστούν αυτά τα συμπτώματα.

Εάν είναι απαραίτητο, αυτό θα επέτρεπε στους ασθενείς να προσαρμόσουν τον τρόπο ζωής τους για να μειώσουν τον κίνδυνο. Οι ερευνητές εκτιμούν ότι αυτή η στρατηγική θα μπορούσε να μειώσει τον αριθμό των καρδιακών προσβολών κατά 20% και να μειώσει τον αριθμό των ανθρώπων που πεθαίνουν από αυτές κατά 8%.

Αυτό θα ήταν μια τεράστια επιτυχία όσον αφορά τη δημόσια υγεία.

Ακολουθήστε το Gizchina Greece στο Google News για να μαθαίνετε πρώτοι και άμεσα, όλα τα τεχνολογικά νέα! Αν ψάχνετε HOT προσφορές, κάντε εγγραφή στο κανάλι μας στο Telegram!