Το AI προβλέπει σε 10 δευτερόλεπτα ποιος ασθενής θα επιβιώσει από ένα μεγάλο χειρουργείο

Τι θα γινόταν αν ένα τεστ καρδιάς 10 δευτερολέπτων μπορούσε να σου πει αν θα επιβιώσεις από ένα μεγάλο χειρουργείο; Ερευνητές του Johns Hopkins ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που κάνει ακριβώς αυτό, αντλώντας «κρυμμένα» μοτίβα από τα συνηθισμένα ηλεκτροκαρδιογραφήματα (ΗΚΓ) για να προβλέψει με εντυπωσιακή ακρίβεια τις μετεγχειρητικές επιπλοκές.

Το AI μοντέλο, εκπαιδευμένο σε δεδομένα 37.000 ασθενών, πέτυχε ακρίβεια 85% στον εντοπισμό εκείνων που θα υπέστησαν καρδιακή προσβολή, εγκεφαλικό ή θάνατο εντός 30 ημερών από την επέμβαση - ποσοστό πολύ υψηλότερο από τα σημερινά εργαλεία αξιολόγησης κινδύνου, τα οποία οι γιατροί εφαρμόζουν με μόλις 60% επιτυχία, αναφέρει το .

Κρυμμένοι «θησαυροί» στα απλά ΗΚΓ

Κάθε ασθενής που πρόκειται να υποβληθεί σε μεγάλο χειρουργείο κάνει ΗΚΓ. Η εξέταση κρατάει δευτερόλεπτα και καταγράφει τη δραστηριότητα της καρδιάς. Σύμφωνα όμως με τον Robert D. Stevens, επικεφαλής του Τμήματος Πληροφορικής, Ενσωμάτωσης και Καινοτομίας στην Ιατρική Σχολή του Johns Hopkins, αυτά τα δεδομένα κρύβουν πολύ περισσότερες πληροφορίες απ’ όσες μπορεί να δει το ανθρώπινο μάτι.

«Αποδεικνύουμε ότι ένα απλό ηλεκτροκαρδιογράφημα περιέχει σημαντικά προγνωστικά στοιχεία, τα οποία δεν μπορεί να εντοπίσει ο γιατρός με το γυμνό μάτι. Η εξαγωγή τους είναι δυνατή μόνο μέσω τεχνικών μηχανικής μάθησης», τόνισε.

Η ομάδα υπέθεσε ότι τα «σκαμπανεβάσματα» στο ΗΚΓ αποτυπώνουν λεπτές ενδείξεις φλεγμονής, μεταβολισμού, ισορροπίας υγρών και άλλων διεργασιών του οργανισμού που συνδέονται με τις μετεγχειρητικές εκβάσεις. Η πρόκληση ήταν να «εκπαιδεύσουν» τον υπολογιστή ώστε να αναγνωρίζει αυτά που διαφεύγουν από τον γιατρό.

Οι ερευνητές συνεργάστηκαν με το Beth Israel Deaconess Medical Center στη Βοστώνη και ανέπτυξαν δύο μοντέλα: το πρώτο ανέλυε μόνο τα κύματα του ΗΚΓ, ενώ το δεύτερο —ένα «fusion» μοντέλο— συνδύαζε τα δεδομένα του ΗΚΓ με 34 ακόμη κλινικές παραμέτρους, όπως ηλικία, φύλο και ιατρικό ιστορικό. Το δεύτερο αποδείχθηκε το πιο ισχυρό. Τα ευρήματα, που δημοσιεύθηκαν στο British Journal of Anaesthesia, θεωρούνται δυνητικά καταλυτικά για την αξιολόγηση κινδύνου πριν από χειρουργικές επεμβάσεις.

Η «κρυστάλλινη σφαίρα» των 10 δευτερολέπτων

Ο επικεφαλής συγγραφέας Carl Harris, διδακτορικός φοιτητής στη βιοϊατρική μηχανική, δήλωσε έκπληκτος: «Είναι εντυπωσιακό ότι μπορούμε να πάρουμε αυτά τα 10 δευτερόλεπτα δεδομένων και να προβλέψουμε με τόση ακρίβεια εάν κάποιος θα πεθάνει μετά την επέμβαση. Έχουμε ένα πραγματικά σημαντικό εύρημα που μπορεί να βελτιώσει την αξιολόγηση του χειρουργικού κινδύνου».

Η μελέτη δείχνει ότι η τεχνητή νοημοσύνη μπορεί να ανιχνεύσει χαρακτηριστικά του ΗΚΓ που σχετίζονται με επιπλοκές, όπως παρατεταμένη διάρκεια QRS, χαμηλής τάσης συμπλέγματα και κατάσπαση ST.

Ένα νέο εργαλείο στα χέρια της ιατρικής

Οι ερευνητές θεωρούν ότι η μέθοδος μπορεί να αλλάξει τον τρόπο με τον οποίο οι γιατροί και οι ασθενείς συζητούν τους κινδύνους πριν από μια επέμβαση. Μέχρι σήμερα, τα εργαλεία πρόβλεψης —όπως ο Revised Cardiac Risk Index— προσφέρουν περιορισμένη ακρίβεια. Αντίθετα, το νέο σύστημα στηρίζεται σε ένα τεστ που είναι φθηνό, απλό και ήδη καθιερωμένο: το ηλεκτροκαρδιογράφημα.

Η ομάδα χρησιμοποίησε μάλιστα «αντιπαραδειγματική ανάλυση» (counterfactual analysis), ώστε να εξηγήσει ποια μοτίβα του ΗΚΓ οδηγούν στις προβλέψεις του μοντέλου, αυξάνοντας έτσι τη διαφάνεια και την εμπιστοσύνη των γιατρών.

Στο μέλλον, οι επιστήμονες σκοπεύουν να δοκιμάσουν το μοντέλο τους σε πραγματικό χρόνο, σε ασθενείς που πρόκειται να χειρουργηθούν, και να διερευνήσουν ποιες άλλες πολύτιμες πληροφορίες μπορεί να κρύβει το ΗΚΓ.

Ο Stevens θεωρεί ότι αυτό είναι μόνο η αρχή: «Η δυνατότητα να εξάγουμε προγνωστικές πληροφορίες που ήταν αόρατες μέχρι σήμερα μπορεί να μεταμορφώσει τον τρόπο με τον οποίο η ιατρική προσεγγίζει ένα από τα πιο δύσκολα προβλήματά της: να προβλέψει ποιοι ασθενείς θα τα καταφέρουν και ποιοι θα αντιμετωπίσουν σοβαρές δυσκολίες μετά από μια μεγάλη επέμβαση».