Zdjęcie: Adobe Stock
Jak poinformowano na kongresie Europejskiego Towarzystwa Kardiologicznego (ESC) w Madrycie, najnowocześniejszy system sztucznej inteligencji oferuje teraz większą dokładność w identyfikowaniu pacjentów z migotaniem przedsionków, którzy wymagają podania leków rozrzedzających krew w celu zapobiegania udarowi.
Przedsionek (z łac. atrium) odnosi się do jednej z dwóch górnych komór serca, która zbiera krew z ciała lub płuc, a następnie przekazuje ją do odpowiedniej komory. U ludzi prawy przedsionek zbiera odtlenowaną krew z ciała żyłą główną, podczas gdy lewy przedsionek zbiera bogatą w tlen krew z płuc żyłami płucnymi.
Migotanie przedsionków (AF), schorzenie polegające na nieregularnym rytmie serca, jest najpowszechniejszym zaburzeniem rytmu serca, dotykającym około 59 milionów ludzi na całym świecie. Charakteryzujące się szybkimi i chaotycznymi ruchami przedsionków, AF powoduje zastój krwi i powstawanie zakrzepów (porównywalne do sytuacji, gdy robotnik budowlany w pośpiechu przesuwa taczkę, nie mając czasu na jej napełnienie).
Zakrzepy tworzące się w przedsionkach stanowią poważne zagrożenie, ponieważ mogą się przemieścić i przedostać do mózgu, potencjalnie wywołując udar. Z tego powodu pacjentom z migotaniem przedsionków często przepisuje się leki przeciwzakrzepowe, aby zmniejszyć to ryzyko. Jednak leczenie to może czasami powodować niebezpieczne epizody krwawienia.
Naukowcy z Mount Sinai Health System (USA) stworzyli narzędzie oparte na sztucznej inteligencji, które generuje spersonalizowane wskazówki dotyczące leczenia dla osób cierpiących na migotanie przedsionków. Pomaga to lekarzom w podejmowaniu decyzji o przepisaniu terapii przeciwzakrzepowej.
Ten system sztucznej inteligencji reprezentuje nowatorską metodologię w leczeniu migotania przedsionków. Według wyników badań, model odradzał stosowanie leków rozrzedzających krew nawet u 50% pacjentów, którzy w przeciwnym razie byliby leczeni standardowymi protokołami. Takie wyniki mają potencjał zrewolucjonizowania opieki zdrowotnej na całym świecie.
Nowo opracowana sztuczna inteligencja wykorzystuje pełną cyfrową dokumentację medyczną pacjenta, aby dostarczać spersonalizowane sugestie leczenia. Ocenia zarówno prawdopodobieństwo udaru, jak i ryzyko poważnego krwawienia (zarówno z przyczyn naturalnych, jak i w wyniku terapii przeciwzakrzepowej). Ta spersonalizowana strategia przewyższa obecne metodologie, które opierają się na uśrednionej ocenie ryzyka dla całej populacji pacjentów, a nie na indywidualnych profilach.
Model sztucznej inteligencji został wytrenowany na podstawie danych 1,8 miliona pacjentów, obejmujących ponad 21 milionów wizyt klinicznych, 82 miliony notatek medycznych i 1,2 miliarda indywidualnych wpisów danych. W oparciu o ten obszerny zbiór danych, model zapewnia analizę korzyści netto, która pomaga w podejmowaniu decyzji dotyczących stosowania leków przeciwzakrzepowych.
W celu weryfikacji skuteczności model zastosowano do grupy 38 642 pacjentów z migotaniem przedsionków leczonych w Mount Sinai Health System. Narzędzie zostało również poddane zewnętrznej walidacji z wykorzystaniem publicznie dostępnych danych ze Stanford, obejmujących 12 817 pacjentów.
„Te badania stanowią znaczący krok naprzód w sposobie leczenia przeciwzakrzepowego pacjentów z migotaniem przedsionków i mają potencjał, aby zmienić obecne ramy podejmowania decyzji klinicznych” – stwierdził dr Joshua Lampert, główny autor i dyrektor ds. uczenia maszynowego w szpitalu Mount Sinai Fuster Heart Hospital. „Oprócz generowania wstępnych zaleceń, model może stale aktualizować porady, wykorzystując pełną historię choroby pacjenta przed każdą wizytą”.
„Zapobieganie udarom mózgu pozostaje najważniejszym celem leczenia migotania przedsionków, częstej arytmii, która prawdopodobnie dotknie jedną trzecią dorosłych w ciągu ich życia” – podkreślił współautor, dr Vivek Reddy, dyrektor elektrofizjologii serca w Mount Sinai Fuster Heart Hospital.
„Jeśli przyszłe randomizowane badania kliniczne potwierdzą, że to narzędzie oparte na sztucznej inteligencji utrzymuje choć ułamek zróżnicowania ryzyka zaobserwowanego w naszym badaniu, może to znacząco wpłynąć na leczenie pacjentów i wyniki leczenia” – podsumował.
Paweł Wernicki (PAP)
pmw/ agt/
