Αλγόριθμος μηχανικής μάθησης εκπαιδεύτηκε από ερευνητές του Πανεπιστημίου «Τζονς Χόπκινς» να αναλύει ιατρικά ιστορικά και απεικονιστικές εξετάσεις ασθενών για να προβλέπει εάν και πότε ένας ασθενής θα υποστεί αιφνίδια καρδιακή ανακοπή.

Μάλιστα η αξιοπιστία της τεχνητής νοημοσύνης ξεπερνά κατά πολύ τις επιδόσεις των γιατρών, αναφέρουν οι ερευνητές σε μελέτη που δημοσιεύεται στο Nature Cardiovascular Research.

«Ο αιφνίδιος καρδιακός θάνατος που προκαλείται από αρρυθμίες αντιστοιχεί έως και στο 20% των θανάτων παγκοσμίως. Παρόλα αυτά γνωρίζουμε ελάχιστα για το πώς συμβαίνει ή ποιος διατρέχει κίνδυνο» λέει η Νατάλια Τριάνοβα, καθηγήτρια Ιατρικής και Βιοϊατρικής Μηχανικής.

«Υπάρχουν ασθενείς που αντιμετωπίζουν χαμηλό κίνδυνο αιφνίδιου καρδιακού θανάτου αλλά υποβάλλονται σε επέμβαση τοποθέτησης απινιδωτή χωρίς να τον χρειάζονται, όπως υπάρχουν και ασθενείς υψηλού ρίσκου που δεν λαμβάνουν την απαιτούμενη θεραπεία. Αυτό που μπορεί να κάνει ο αλγόριθμός μας είναι να προσδιορίζει ποιος αντιμετωπίζει αυξημένο κίνδυνο ανακοπής και πότε αυτή θα συμβεί, επιτρέποντας έτσι στους γιατρούς να αποφασίσουν τι ακριβώς πρέπει να γίνει» εξηγεί η ερευνήτρια.

Το σύστημα SSCAR (Survival Study of Cardiac Arrhythmia Risk) βασίζεται στην τεχνολογία των νευρωνικών δικτύων, προγραμμάτων που μιμούνται τα δίκτυα των κυττάρων του εγκεφάλου.

Ο αλγόριθμος εκπαιδεύτηκε στην ερμηνεία απεικονιστικών εξετάσεων εξετάζοντας δεδομένα για εκατοντάδες ασθενείς που νοσηλεύτηκαν στο πανεπιστημιακό νοσοκομείο του «Τζονς Χόπκινς» λόγω καρδιοπάθειας.

Το σύστημα μπορεί να αναγνωρίζει συσχετίσεις και μοτίβα που ξεφεύγουν από το μάτι των γιατρών, λένε οι ερευνητές. Συγκεκριμένα, εξετάζει τις ουλές που εμφανίζονται στον καρδιακό μυ λόγω καρδιοπάθειας και συχνά οδηγούν σε θανατηφόρες αρρυθμίες.

«Οι εικόνες περιέχουν σημαντικές πληροφορίες στις οποίες οι γιατροί δεν μπορούν να έχουν πρόσβαση» λέει ο Νταν Ποπέσκου, πρώτος συγγραφέας της δημοσίευσης. «Οι ουλές μπορεί να κατανέμονται με διαφορετικό τρόπο και δίνουν στοιχεία για την πιθανότητα επιβίωσης του ασθενή. Περιέχουν κρυμμένες πληροφορίες».

Για την εκτίμηση του κινδύνου, η τεχνητή νοημοσύνη εξετάζει επίσης 22 παράγοντες στον ιατρικό φάκελο του ασθενή, από την ηλικία και το βάρος μέχρι τη χρήση φαρμάκων.

Οι προβλέψεις του αλγόριθμου «ήταν σημαντικά πιο ακριβείς από τους γιατρούς σε κάθε μέτρο» αναφέρουν οι ερευνητές. Οι επιδόσεις του επιβεβαιώθηκαν σε ξεχωριστό δείγμα ασθενών από 60 νοσοκομεία των ΗΠΑ.

Η νέα τεχνολογία «έχει το δυναμικό να διαμορφώσει τη διαδικασία λήψης κλινικών αποφάσεων σχετικά με τον κίνδυνο αρρυθμία» λέει η δρ Τριάνοβα.

«Είναι η επιτομή της τάσης ένωσης της τεχνητής νοημοσύνης, της μηχανικής και τις ιατρικής ως το μέλλον της ιατρικής περίθαλψης.