Τεχνητή Νοημοσύνη ανιχνεύει αυτόματα τις βλάβες των αγγείων

Κινέζοι ερευνητές χρησιμοποιώντας εικόνες ενδαγγειακής οπτικής τομογραφίας συνοχής εντοπίζουν με ακρίβεια τη διάβρωση της αθηρωματικής πλάκας

Οι ερευνητές δημιούργησαν ένα ολοκαίνουργιο μοντέλο τεχνητής νοημοσύνης (AI) που χρησιμοποιεί εικόνες οπτικής τομογραφίας συνοχής (OCT) για να ανιχνεύσει αυτόματα τη διάβρωση της αθηρωματικής (αθηροσκληρωτικής) πλάκας στις καρδιακές αρτηρίες. Η παρακολούθηση της αρτηριακής πλάκας είναι ζωτικής σημασίας γιατί, εάν αποσυντεθεί, μπορεί να εμποδίσει τη ροή του αίματος στην καρδιά, προκαλώντας καρδιακή προσβολή ή άλλα επικίνδυνα προβλήματα.

Οι αθηρωματικές πλάκες οφείλονται αρχικά σε βλάβη του ενδοθηλίου που δημιουργείται κυρίως από την αυξημένη LDL χοληστερίνη, αλλά και από άλλους επιβαρυντικούς παράγοντες. Το ενδοθήλιο είναι το μονό στρώμα των κυττάρων της αρτηρίας που έρχεται σε επαφή με το αίμα. «Αν αρχίσουν να αποδομούνται οι αθηρωματικές πλάκες μπορεί να μειωθεί ξαφνικά η ροή του αίματος στην καρδιά και να προκληθεί το γνωστό ως οξύ στεφανιαίο σύνδρομο, το οποίο απαιτεί επείγουσα θεραπεία. Η νέα μας μέθοδος θα μπορούσε να βοηθήσει στη βελτίωση της κλινικής διάγνωσης της διάβρωσης της πλάκας και να χρησιμοποιηθεί για την ανάπτυξη νέων θεραπειών για ασθενείς με καρδιακή νόσο». λέει ο επικεφαλής της ερευνητικής ομάδας Zhao Wang από το Πανεπιστήμιο Ηλεκτρονικής Επιστήμης και Τεχνολογίας της Κίνας.

Η οπτική τομογραφία συνοχής (optical coherence tomography, OCT) είναι μια τεχνική οπτικής απεικόνισης με ανάλυση σε κλίμακα μικρομέτρων που μπορεί να χρησιμοποιηθεί για την παραγωγή 3D εικόνων των στεφανιαίων αρτηριών. Αν η ενδαγγειακή OCT χρησιμοποιηθεί με μεγάλη συχνότητα από τους γιατρούς για τον έλεγχο της διάβρωσης της πλάκας, τότε παράγεται ένας μεγάλος όγκος δεδομένων που δυσκολεύει την οπτική ερμηνεία των εικόνων.

Οι Κινέζοι ερευνητές για να αντιμετωπίσουν αυτό το πρόβλημα δημιούργησαν μια εφαρμογή Τεχνητής Νοημοσύνης που δίνει αυτόματα την εικόνα διάβρωσης της πλάκας, σε δυο βήματα. Πρώτον, ένα μοντέλο τεχνητής νοημοσύνης γνωστό ως νευρωνικό δίκτυο χρησιμοποιεί την αρχική εικόνα και δύο πληροφορίες σχήματος των αγγείων για να προβλέψει περιοχές πιθανής διάβρωσης της πλάκας. Η αρχική πρόβλεψη στη συνέχεια βελτιώνεται με έναν αλγόριθμο μετα-επεξεργασίας που βασίζεται σε κλινικά ερμηνεύσιμα χαρακτηριστικά που μιμούνται τη γνώση που χρησιμοποιούν οι επαγγελματίες γιατροί για να κάνουν μια διάγνωση.

Σε ένα δείγμα 5.553 κλινικών εικόνων OCT με διάβρωση πλάκας και 3.224 εικόνων χωρίς διάβρωση πλάκας, η αυτοματοποιημένη μέθοδος εντόπισε σωστά το 80% των περιπτώσεων διάβρωσης με θετική προγνωστική αξία 73%. Διαπίστωσαν επίσης ότι οι διαγνώσεις που βασίζονται στην αυτοματοποιημένη μέθοδο ταίριαζαν άριστα με αυτές από τρεις έμπειρους γιατρούς.

«Παρόλο που απαιτείται περαιτέρω επικύρωση της ασφάλειας της μεθόδου και ρυθμιστική έγκριση για αυτόνομη κλινική χρήση σε ασθενείς, η τεχνική θα μπορούσε να χρησιμοποιηθεί για τη διευκόλυνση της διάγνωσης της διάβρωσης της πλάκας. Αυτό θα βοηθούσε τους γιατρούς να κάνουν έναν τελικό έλεγχο των ευρημάτων του αλγορίθμου και στη συνέχεια να προσδιορίσουν την αιτία του οξέος στεφανιαίου συνδρόμου και τις καλύτερες θεραπευτικές στρατηγικές», συμπληρώνει ο Wang.

Σύμφωνα με τους ερευνητές, η ενδαγγειακή απεικόνιση, συνοδευόμενη από τεχνολογίες τεχνητής νοημοσύνης, μπορεί να είναι ένα εξαιρετικά πολύτιμο εργαλείο για τη διάγνωση της στεφανιαίας νόσου και για τον σχεδιασμό θεραπείας. Οι ίδιοι εργάζονται τώρα για να βελτιώσουν τη νέα τους τεχνική ενσωματώνοντας καλύτερα τρισδιάστατες πληροφορίες και περισσότερα δεδομένα χωρίς ετικέτα για να βελτιώσουν την απόδοση του μοντέλου AI. Στο μέλλον, σχεδιάζουν επίσης να χρησιμοποιήσουν ένα μεγαλύτερο σύνολο δεδομένων που περιλαμβάνει έναν παγκόσμιο πληθυσμό για εκπαίδευση και αξιολόγηση του αλγορίθμου. Θέλουν επίσης να διερευνήσουν το πώς ο αλγόριθμος θα μπορούσε να χρησιμοποιηθεί σε διάφορες κλινικές καταστάσεις για να αποδείξουν περαιτέρω την πιθανή χρησιμότητα και την αξία του.