Η τεχνητή νοημοσύνη «διαβάζει» το ΗΚΓ και αποκαλύπτει κινδύνους πέρα από την καρδιά

Ένα ηλεκτροκαρδιογράφημα διαρκεί μόλις λίγα λεπτά και καταγράφει την ηλεκτρική δραστηριότητα της καρδιάς. Οι χαρακτηριστικές κυματομορφές του χρησιμοποιούνται εδώ και χρόνια από τους γιατρούς για τον εντοπισμό προβλημάτων όπως οι διαταραχές του καρδιακού ρυθμού ή οι ενδείξεις εμφράγματος. Νέα έρευνα, ωστόσο, δείχνει ότι τα δεδομένα ενός ΗΚΓ μπορεί να περιέχουν πληροφορίες που αφορούν πολύ περισσότερα από την καρδιακή λειτουργία.

Ερευνητική ομάδα από το Scripps Research δημιούργησε ένα μοντέλο τεχνητής νοημοσύνης που μπορεί να αναλύει τα ηλεκτροκαρδιογραφήματα και να εντοπίζει σύνθετα μοτίβα τα οποία δεν είναι εύκολο να αναγνωριστούν με μια απλή οπτική εξέταση.

Στις δοκιμές, το σύστημα δεν περιορίστηκε στην εκτίμηση καρδιαγγειακών κινδύνων. Κατάφερε επίσης να υπολογίσει την πιθανότητα εμφάνισης χρόνιας νεφρικής νόσου ή διαβήτη τύπου 2 μέσα στα επόμενα τρία χρόνια.

Πώς «έμαθε» να αναλύει τα ηλεκτροκαρδιογραφήματα

Το μοντέλο ονομάζεται ECG-CLIP και παρουσιάζεται σε μελέτη που δημοσιεύθηκε στο The Lancet Digital Health.

Για την εκπαίδευσή του χρησιμοποιήθηκαν περισσότερα από 1,7 εκατομμύρια ηλεκτροκαρδιογραφήματα, τα οποία αφορούσαν περίπου 542.000 ασθενείς του Scripps Health.

Το ιδιαίτερο χαρακτηριστικό του μοντέλου ήταν ότι δεν εκπαιδεύτηκε αποκλειστικά πάνω στις κυματομορφές των ΗΚΓ. Κάθε εξέταση συνδυάστηκε με την ιατρική γνωμάτευση καρδιολόγου. Με αυτόν τον τρόπο, το σύστημα μπόρεσε να συσχετίσει συγκεκριμένα χαρακτηριστικά του ηλεκτρικού σήματος με τον τρόπο που αυτά ερμηνεύονται κλινικά.

Στη συνέχεια, το ECG-CLIP δοκιμάστηκε σε μια ανεξάρτητη βάση δεδομένων που περιείχε περισσότερα από 800.000 ηλεκτροκαρδιογραφήματα από πάνω από 161.000 ασθενείς.

Η εξωτερική αξιολόγηση έχει ιδιαίτερη σημασία, καθώς δείχνει κατά πόσο ένα μοντέλο μπορεί να αποδίδει αποτελεσματικά και σε διαφορετικά δεδομένα από εκείνα στα οποία εκπαιδεύτηκε.

Ποιους κινδύνους μπορεί να εντοπίσει η AI;

Με βάση τα αποτελέσματα του Scripps Research, το ECG-CLIP παρουσίασε καλύτερη απόδοση από τα μοντέλα σύγκρισης στην αναγνώριση οξέος εμφράγματος, καρδιακής αμυλοείδωσης και υπερτροφικής μυοκαρδιοπάθειας.

Παράλληλα, μπορούσε να εντοπίσει άτομα που, παρότι είχαν φυσιολογικό καρδιακό ρυθμό τη στιγμή της εξέτασης, εμφάνιζαν αυξημένη πιθανότητα να αναπτύξουν κολπική μαρμαρυγή στο μέλλον.

Το πιο ενδιαφέρον στοιχείο, όμως, ήταν ότι οι δυνατότητες του μοντέλου δεν περιορίζονταν στην καρδιά.

Αναλύοντας ένα ΗΚΓ, η τεχνητή νοημοσύνη κατάφερε να εκτιμήσει την πιθανότητα θανάτου μέσα σε 30 ημέρες μετά από επίσκεψη στα επείγοντα ή μετά από χειρουργική επέμβαση. Παράλληλα, προέβλεψε τον κίνδυνο εμφάνισης χρόνιας νεφρικής νόσου και διαβήτη τύπου 2 σε χρονικό ορίζοντα τριών ετών.

Ένα ακόμη σημαντικό πλεονέκτημα ήταν η αποδοτικότητα του μοντέλου. Κατά μέσο όρο, πέτυχε παρόμοια αποτελέσματα με το αμέσως καλύτερο μοντέλο αναφοράς, χρησιμοποιώντας περίπου 91% λιγότερα δεδομένα που είχαν ελεγχθεί και επισημανθεί από ειδικούς.

Μάλιστα, διατήρησε την αποτελεσματικότητά του ακόμη και όταν εκπαιδευόταν με μόλις δέκα επιβεβαιωμένα περιστατικά μιας συγκεκριμένης ασθένειας. Αυτό θα μπορούσε να είναι ιδιαίτερα χρήσιμο στην έρευνα σπάνιων παθήσεων, όπου συχνά υπάρχουν περιορισμένα διαθέσιμα δεδομένα.

Δεν αποτελεί διάγνωση

Παρά τα ενθαρρυντικά αποτελέσματα, οι ερευνητές επισημαίνουν ότι το ECG-CLIP παραμένει ένα ερευνητικό μοντέλο. Οι προβλέψεις του θα πρέπει να αξιολογηθούν περαιτέρω μέσα από κλινικές δοκιμές, σε διαφορετικούς πληθυσμούς και σε περισσότερα νοσοκομεία.

Η τεχνητή νοημοσύνη δεν μπορεί επομένως να αντικαταστήσει τις αιματολογικές εξετάσεις, τις υπόλοιπες διαγνωστικές εξετάσεις ή την αξιολόγηση από έναν γιατρό.

Η μελέτη δείχνει, ωστόσο, κάτι ιδιαίτερα ενδιαφέρον: μια εξέταση τόσο απλή και διαδεδομένη όσο το ηλεκτροκαρδιογράφημα μπορεί να περιέχει περισσότερες πληροφορίες για τη συνολική κατάσταση της υγείας από όσες μπορούμε σήμερα να αντιληφθούμε με τις συμβατικές μεθόδους.

Με τη βοήθεια της τεχνητής νοημοσύνης, το ΗΚΓ θα μπορούσε στο μέλλον να λειτουργεί όχι μόνο ως «παράθυρο» στην καρδιά, αλλά και ως ένα επιπλέον εργαλείο για την έγκαιρη αναγνώριση κινδύνων που αφορούν ολόκληρο τον οργανισμό.

Με αναφορές από:vita.gr/Επιμέλεια:ΜΚΜ