Όταν ακούτε τις λέξεις «τεχνητή νοημοσύνη» (AI) μπορεί να φαντάζεστε ένα ψυχρό ρομποτικό σύστημα, αλλά οι επιστήμονες του Osaka Metropolitan University αναφέρουν ότι μπορεί και να… «νοιάζεται» για την καρδιά σας.
Πιο συγκεκριμένα παρουσίασαν μια καινοτόμο χρήση της τεχνητής νοημοσύνης που ταξινομεί τις καρδιακές λειτουργίες και μπορεί να εντοπίσει με πρωτοφανή ακρίβεια καρδιακές παθήσεις (όπως οι βαλβιδοπάθειες), επιδεικνύοντας την συνεχή πρόοδο στη συγχώνευση των τομέων της ιατρικής και της τεχνολογίας για την προώθηση της καλύτερης ιατρικής φροντίδας.
Τα ενθαρρυντικά ευρήματα δημοσιεύθηκε στο Lancet Digital Health.
Η τεχνητή νοημοσύνη «μπαίνει» στην… καρδιά σας
Η βαλβιδική καρδιακή νόσος, μια αιτία καρδιακής ανεπάρκειας, διαγιγνώσκεται συχνά με ηχοκαρδιογράφημα ενώ η ακτινογραφία θώρακος είναι μία από τις πιο κοινές εξετάσεις για τον εντοπισμό παθήσεων κυρίως των πνευμόνων.
Διαβάστε επίσης: Τι ηλικία έχει η καρδιά σας;
Η ερευνητική ομάδα με επικεφαλής τον Δρ. Daiju Ueda, από το Τμήμα Διαγνωστικής και Επεμβατικής Ακτινολογίας στο Graduate School of Medicine του Osaka Metropolitan University, ανέπτυξε με επιτυχία ένα μοντέλο που χρησιμοποιεί την τεχνητή νοημοσύνη για την ακριβή ταξινόμηση των καρδιακών λειτουργιών και των βαλβιδικών καρδιακών παθήσεων από τις ακτινογραφίες θώρακα.
Για να μπορεί να αναγνωρίζει καρδιακές λειτουργίες και παθήσεις, το μοντέλο εκμάθησης χαρακτηριστικών AI εκπαιδεύτηκε με δύο σύνολα δεδομένων, με τους ερευνητές να ορίζουν τις ακτινογραφίες θώρακος ως δεδομένα εισόδου και τα ηχοκαρδιογραφήματα ως δεδομένα εξόδου.
Με πρωτοφανή ακρίβεια ο εντοπισμός καρδιακών παθήσεων
Το μοντέλο τεχνητής νοημοσύνης ήταν σε θέση να κατηγοριοποιήσει ακριβώς έξι επιλεγμένους τύπους βαλβιδικής καρδιακής νόσου, με τον δείκτη AUC (Area Under the Curve) να κυμαίνεται από 0,83 έως 0,92.
Ο AUC πρόκειται για δείκτη αξιολόγησης που υποδεικνύει την ικανότητα ενός μοντέλου τεχνητής νοημοσύνης και χρησιμοποιεί ένα εύρος τιμών από 0 έως 1, με όσο πιο κοντά στο 1, τόσο το καλύτερο.
«Μας πήρε πολύ χρόνο για να φτάσουμε σε αυτά τα αποτελέσματα, αλλά πιστεύω ότι πρόκειται για σημαντικά ευρήματα» δηλώνει ο Δρ. Daiju Ueda. «Εκτός από τη βελτίωση της αποτελεσματικότητας των διαγνώσεων, το σύστημα μπορεί επίσης να χρησιμοποιηθεί και σε έκτακτες περιπτώσεις» καταλήγει.
