Zdjęcie: Adobe Stock
Podczas sesji naukowej w American College of Cardiology w Chicago ujawniono, że sztuczną inteligencję można wykorzystać do analizy zdjęć rentgenowskich piersi nie tylko w celu wykrywania raka, ale również do oceny stanu serca i naczyń krwionośnych.
Amerykańskie Centra Kontroli i Zapobiegania Chorobom zalecają, aby kobiety w średnim wieku i starsze miały coroczną lub dwuletnią mammografię (prześwietlenie piersi) w celu przesiewowego badania raka piersi. W USA wykonuje się rocznie około 40 milionów mammografii
Chociaż na uzyskanych obrazach widoczne są zwapnienia tętnic, radiolodzy zazwyczaj nie dokonują oceny ilościowej tych zmian ani nie przekazują tych informacji kobietom ani ich lekarzom.
Nowe badanie wykorzystujące metodę analizy obrazu z wykorzystaniem sztucznej inteligencji, której wcześniej nie stosowano w mammografii, pokazuje, w jaki sposób sztuczna inteligencja może pomóc w rozwiązaniu tego problemu poprzez automatyczną ocenę zwapnień tętnic piersiowych i przekształcanie wyników w wynik oceny ryzyka sercowo-naczyniowego.
Głęboki model uczenia się zaprojektowany do przewidywania ryzyka sercowo-naczyniowego na podstawie mammografii może być szczególnie korzystny dla młodszych kobiet. „Widzimy szansę dla kobiet na poddanie się badaniom przesiewowym w kierunku raka, a także na ocenę ich wyników sercowo-naczyniowych za pomocą mammografii” — stwierdził główny autor dr Theo Dapamede z Emory University w Atlancie. „Nasze badania wykazały, że zwapnienie tętnic piersi jest silnym wskaźnikiem choroby sercowo-naczyniowej, szczególnie u osób poniżej 60. roku życia. Jeśli będziemy w stanie zidentyfikować i zbadać te pacjentki wcześnie, będziemy mogli skierować je do kardiologa w celu dalszej oceny” — dodał.
Choroby układu krążenia są główną przyczyną śmiertelności w Stanach Zjednoczonych, jednak nadal są niedodiagnozowane i niewystarczająco rozumiane u kobiet. Autorzy proponują, że przyjęcie narzędzi opartych na sztucznej inteligencji do mammografii mogłoby poprawić identyfikację większej liczby kobiet wykazujących wczesne oznaki chorób układu krążenia, optymalizując wykorzystanie diagnostycznych testów przesiewowych, którym wiele kobiet regularnie się poddaje.
Gromadzenie się wapnia w naczyniach krwionośnych oznacza uszkodzenie układu sercowo-naczyniowego związane z wczesną chorobą serca lub starzeniem się. Poprzednie badania wykazały, że kobiety ze złogami wapnia w tętnicach są o 51 procent bardziej narażone na rozwój choroby serca i udaru.
Aby stworzyć narzędzie do przesiewu AI, naukowcy wytrenowali model głębokiego uczenia się, aby identyfikować zwapniałe naczynia na obrazach mammograficznych, które objawiają się jako jasne piksele na zdjęciach rentgenowskich, oraz aby szacować przyszłe ryzyko zdarzeń sercowo-naczyniowych na podstawie informacji wyodrębnionych z elektronicznej dokumentacji medycznej. Ta metodologia segmentacji odróżnia model od wcześniejszych modeli AI opracowanych w celu analizy zwapniałych tętnic piersi. Model wykorzystywał również obszerny zbiór danych do szkolenia i testowania, obejmujący obrazy i dokumentację medyczną ponad 56 000 pacjentów, którzy przeszli mammografię w Emory Healthcare w latach 2013–2020, wraz z co najmniej pięcioletnimi danymi z elektronicznej dokumentacji medycznej.
Wyniki wskazały, że nowy model skutecznie klasyfikował ryzyko sercowo-naczyniowe pacjentów jako niskie, umiarkowane lub ciężkie na podstawie obrazów mammograficznych. Oceniając ryzyko zgonu z jakiejkolwiek przyczyny lub prawdopodobieństwo wystąpienia ostrego zawału mięśnia sercowego, udaru mózgu lub niewydolności serca po dwóch i pięciu latach, model wykazał, że występowanie tych istotnych zdarzeń sercowo-naczyniowych nasila się wraz ze stopniem zwapnienia tętnic piersi w dwóch z trzech ocenianych grup wiekowych — kobiet poniżej 60. roku życia i kobiet w wieku od 60 do 80 lat, ale nie u kobiet powyżej 80. roku życia. To pozycjonuje narzędzie jako szczególnie skuteczne w dostarczaniu wczesnych wskazań ryzyka chorób serca u młodszych kobiet, które mogłyby odnieść większe korzyści z terminowych interwencji.
Wyniki wykazały również, że kobiety wykazujące najwyższe poziomy zwapnienia tętnic piersiowych (powyżej 40 mm2) miały znacząco obniżony wskaźnik pięcioletniego przeżycia bez zdarzeń sercowo-naczyniowych w porównaniu do kobiet z najniższymi poziomami zwapnienia (poniżej 10 mm2). Na przykład 86,4% kobiet z najwyższym stopniem zwapnienia tętnic piersiowych przeżyło pięć lat, w porównaniu do 95,3% kobiet z najniższym stopniem zwapnienia. Stanowi to prawie 2,8-krotnie większe ryzyko zgonu w ciągu pięciu lat u pacjentów z ciężkim zwapnieniem tętnic piersiowych w porównaniu do pacjentów z minimalnym lub żadnym zwapnieniem tętnic piersiowych.
Model AI został opracowany we współpracy Emory Healthcare i Mayo Clinic i obecnie nie jest zatwierdzony do zastosowań klinicznych. Jednak jeśli przejdzie zewnętrzną walidację i otrzyma zatwierdzenie od amerykańskiej Agencji ds. Żywności i Leków (FDA), może stać się komercyjnie dostępny dla innych systemów opieki zdrowotnej.
Autorzy zamierzają również zbadać, w jaki sposób podobne modele sztucznej inteligencji można wykorzystać do oceny biomarkerów opartych na mammografii w przypadku innych schorzeń, takich jak choroba tętnic obwodowych i choroba nerek.
Paweł Wernicki (PAP)
pasek pmw/
