Zdjęcie: Adobe Stock
Jak ujawniono na konferencji Europejskiego Towarzystwa Kardiologicznego (ESC) w Madrycie, zaawansowany system sztucznej inteligencji pozwala teraz na dokładniejsze ustalenie, którzy pacjenci z migotaniem przedsionków wymagają leczenia przeciwzakrzepowego w celu zmniejszenia ryzyka udaru.
Przedsionek (łac. atrium) to jedna z dwóch górnych komór serca, odpowiedzialna za zbieranie krwi z tkanek lub układu płucnego przed jej przetransportowaniem do dolnych komór. Człowiek posiada dwa przedsionki: prawa komora zbiera odtlenowaną krew żyłą główną, a lewa otrzymuje krew bogatą w tlen z płuc żyłami płucnymi.
Migotanie przedsionków (AF), charakteryzujące się nieregularnymi, szybkimi skurczami przedsionków, jest najczęstszą arytmią serca, dotykającą około 59 milionów osób na całym świecie. Ten chaotyczny rytm zaburza przepływ krwi, sprzyjając tworzeniu się skrzepów – podobnie jak robotnik poruszający się zbyt szybko, aby prawidłowo napełnić taczkę.
Te skrzepy przedsionkowe stwarzają ryzyko udaru, jeśli przedostaną się do krążenia mózgowego. Aktualne wytyczne zalecają stosowanie leków przeciwzakrzepowych w celu zapobiegania takim zdarzeniom, chociaż ich stosowanie wiąże się z potencjalnymi powikłaniami krwotocznymi.
Naukowcy z Mount Sinai Health System (USA) opracowali narzędzie oparte na sztucznej inteligencji, które generuje spersonalizowane sugestie terapeutyczne dla pacjentów z migotaniem przedsionków, pomagając lekarzom w optymalizacji strategii leczenia przeciwzakrzepowego.
Ta innowacja wprowadza nowatorską metodologię podejmowania decyzji klinicznych w leczeniu migotania przedsionków. Dane z badań wskazują, że system odradza stosowanie leków przeciwzakrzepowych w prawie 50% przypadków, w których standardowe protokoły zalecałyby leczenie, co sugeruje potencjalne globalne implikacje dla opieki zdrowotnej.
Algorytm analizuje kompleksową dokumentację medyczną pacjenta, aby porównać prawdopodobieństwo udaru z ryzykiem poważnego krwotoku. W ten sposób oferuje spersonalizowaną ocenę zamiast szacunków opartych na populacji, zwykle stosowanych w obecnej praktyce.
Twórcy modelu przeszkolili go, wykorzystując 1,8 miliona dokumentacji pacjentów, obejmującej 21 milionów wizyt klinicznych, 82 miliony notatek medycznych i 1,2 miliarda punktów danych, co pozwoliło na sugerowanie metod leczenia na podstawie danych.
Walidacja obejmowała przetestowanie 38 642 pacjentów z AF z Mount Sinai i weryfikację krzyżową z 12 817 przypadkami z publicznych zbiorów danych Uniwersytetu Stanforda.
„Te badania stanowią znaczący postęp w leczeniu przeciwzakrzepowym migotania przedsionków, potencjalnie zmieniając ramy podejmowania decyzji klinicznych” – stwierdził dr Joshua Lampert, główny badacz, kierownik ds. uczenia maszynowego w szpitalu Mount Sinai Fuster Heart Hospital. „Nasz system stale dostosowuje zalecenia na podstawie zmieniającej się dokumentacji medycznej pacjentów”.
Współautor, dr Vivek Reddy, dyrektor ds. elektrofizjologii serca w tej samej placówce, podkreślił: „Zapobieganie udarom mózgu pozostaje głównym celem leczenia migotania przedsionków, schorzenia, które według szacunków dotyka jedną trzecią dorosłych w ciągu ich życia”.
„Jeśli przyszłe badania randomizowane potwierdzą choć częściową skuteczność w stratyfikacji ryzyka porównywalną z naszymi wynikami, technologia ta może znacząco wpłynąć na wyniki kliniczne” – podsumował.
Paweł Wernicki (PAP)
pmw/ agt/
