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 (z łac. atrium) odnosi się do górnych komór serca, które odpowiadają za zbieranie krwi z krążenia ogólnego lub żył płucnych 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 naczyniami płucnymi.
Migotanie przedsionków (AF), charakteryzujące się nieregularnymi skurczami górnej komory, jest najczęstszą nieprawidłowością rytmu serca, dotykającą prawie 59 milionów osób na całym świecie. To nieregularne pompowanie krwi zaburza przepływ krwi, sprzyjając tworzeniu się skrzepów – podobnie jak robotnik poruszający się zbyt szybko, aby prawidłowo napełnić taczkę.
Takie skrzepy mogą przemieszczać się i blokować tętnice mózgowe, wywołując udary. Chociaż antykoagulanty pozostają standardową terapią zapobiegawczą u pacjentów z migotaniem przedsionków, leki te mogą wiązać się z potencjalnymi powikłaniami krwotocznymi.
Naukowcy z Mount Sinai Health System (USA) opracowali narzędzie oparte na sztucznej inteligencji, które generuje spersonalizowane strategie leczenia przeciwzakrzepowego dla pacjentów z migotaniem przedsionków, ułatwiając lekarzom ocenę ryzyka i korzyści związanych z leczeniem.
Ta innowacja wprowadza zmianę paradygmatu w leczeniu migotania przedsionków. Dane z badań klinicznych wykazały, że system zalecał zaprzestanie stosowania leków rozrzedzających krew nawet u 50% pacjentów, którzy tradycyjnie kwalifikowali się do leczenia w ramach konwencjonalnych protokołów, co sugeruje istotne implikacje dla globalnej opieki zdrowotnej.
Algorytm analizuje kompleksową elektroniczną dokumentację medyczną, aby porównać prawdopodobieństwo udaru z ryzykiem krwotoku, zarówno samoistnego, jak i wywołanego leczeniem. Ta spersonalizowana metodologia kontrastuje z obecnymi narzędziami oceny ryzyka, które opierają się na średnich populacyjnych, a nie na indywidualnych profilach pacjentów.
Opracowanie modelu obejmowało przeszkolenie go na 1,8 miliona dokumentacji pacjentów, obejmującej 21 milionów wizyt klinicznych, 82 miliony notatek medycznych i 1,2 miliarda punktów danych, co pozwoliło na wygenerowanie dostosowanych sugestii dotyczących leczenia przeciwzakrzepowego.
Walidację przeprowadzono poprzez testowanie na 38 642 pacjentach z Mount Sinai AF i zewnętrznej kohorcie 12 817 osób z zestawów danych Uniwersytetu Stanforda.
„Te badania stanowią znaczący postęp w leczeniu migotania przedsionków, potencjalnie zmieniając sposób podejmowania decyzji terapeutycznych” – stwierdził główny autor, dr Joshua Lampert, kierownik ds. uczenia maszynowego w szpitalu Mount Sinai Fuster Heart Hospital. „Nasz system stale dostosowuje swoje zalecenia, syntetyzując ewoluującą dokumentację medyczną przed każdą konsultacją”.
Współautor, dr Vivek Reddy, dyrektor elektrofizjologii serca w Mount Sinai, podkreślił: „Zapobieganie udarom mózgu pozostaje kluczowe w leczeniu migotania przedsionków – schorzenia, które według prognoz dotknie jedną trzecią dorosłych w ciągu ich życia”.
Dodał: „Jeśli przyszłe badania randomizowane potwierdzą choć częściową skuteczność zaobserwowanej u nas stratyfikacji ryzyka, technologia ta może znacząco wpłynąć na standardy opieki i rokowania pacjentów”.
Paweł Wernicki (PAP)
pmw/ agt/
