Περισσότεροι από 300.000 άνθρωποι στις ΗΠΑ πεθαίνουν κάθε χρόνο από αιφνίδια καρδιακή ανακοπή. Πρόκειται για ένα επείγον περιστατικό που συμβαίνει όταν το ηλεκτρικό σύστημα της καρδιάς παρουσιάζει ξαφνική βλάβη, με αποτέλεσμα η καρδιά να σταματήσει να αντλεί αίμα. Μπορεί να συμβεί τόσο σε μεγαλύτερους ανθρώπους με γνωστά καρδιακά προβλήματα όσο και σε φαινομενικά υγιείς νεαρούς αθλητές. Οι εμφυτεύσιμοι απινιδωτές μπορούν να αποτρέψουν ορισμένους από αυτούς τους θανάτους, αλλά οι γιατροί δυσκολεύονται εδώ και χρόνια να προσδιορίσουν ποιοι ασθενείς τους χρειάζονται περισσότερο.
Ερευνητές στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ (UC Berkeley) εντόπισαν τώρα ένα έως σήμερα παραγνωρισμένο προειδοποιητικό σήμα σε συνήθεις καρδιολογικές εξετάσεις. Το εύρημα θα μπορούσε να διευκολύνει την αναγνώριση ανθρώπων που διατρέχουν κίνδυνο πριν συμβεί ένα θανατηφόρο περιστατικό.
Η ανακάλυψη έγινε με τη βοήθεια τεχνητής νοημοσύνης (AI), η οποία εκπαιδεύτηκε σε περισσότερα από 440.000 ηλεκτροκαρδιογραφήματα (ΗΚΓ) που συλλέχθηκαν στη Σουηδία. Οι ερευνητές συνέκριναν τα ηλεκτρικά μοτίβα των ΗΚΓ με στοιχεία από πιστοποιητικά θανάτου και εκπαίδευσαν ένα σύστημα AI να αναγνωρίζει ανεπαίσθητες διαφορές ανάμεσα σε υγιή άτομα, ασθενείς με γνωστούς καρδιακούς κινδύνους και ανθρώπους που αργότερα πέθαναν από αιφνίδια καρδιακά αίτια.
Στη συνέχεια, η ομάδα αξιολόγησε την τεχνολογία με χιλιάδες επιπλέον ιατρικούς φακέλους από τις ΗΠΑ και την Ταϊβάν, εξετάζοντας αν τα μοτίβα μπορούσαν να εντοπίζουν αξιόπιστα άτομα αυξημένου κινδύνου σε διαφορετικούς πληθυσμούς.
Η AI εντοπίζει κινδύνους που μπορεί να διαφεύγουν από τις συνήθεις εξετάσεις
Τα αποτελέσματα υποδεικνύουν ότι η AI μπορεί να εντοπίζει πιο αποτελεσματικά τους ευάλωτους ασθενείς από τις συμβατικές εξετάσεις στις οποίες βασίζονται συνήθως οι γιατροί. Οι σημερινές μέθοδοι ελέγχου εστιάζουν σε μεγάλο βαθμό στην ποσότητα αίματος που αντλεί η καρδιά σε κάθε συστολή. Η μέτρηση αυτή χρησιμοποιείται για να εκτιμηθεί αν κάποιος θα μπορούσε να ωφεληθεί από εμφυτεύσιμο απινιδωτή.
Με βάση τις παραδοσιακές μετρήσεις, οι γιατροί μπορούν να εντοπίσουν μια ομάδα ασθενών με ετήσιο ποσοστό αιφνίδιου καρδιακού θανάτου 4,6%. Το σύστημα AI, ωστόσο, εντόπισε ομάδα με ετήσιο ποσοστό θανάτου 7%, δείχνοντας μεγαλύτερη ικανότητα διάκρισης των ασθενών που αντιμετωπίζουν σοβαρό κίνδυνο.
Σημαντικό είναι ότι ο αλγόριθμος αναγνώρισε επίσης έναν ευρύτερο πληθυσμό ατόμων αυξημένου κινδύνου, μεταξύ των οποίων χιλιάδες που κανονικά δεν θα προκαλούσαν ανησυχία με βάση τις ισχύουσες ιατρικές κατευθυντήριες οδηγίες. Οι περισσότεροι από αυτούς θα είχαν καταταχθεί στις ομάδες σχετικά χαμηλού κινδύνου με τις συμβατικές μεθόδους.
Ένα ακόμη σημαντικό πλεονέκτημα είναι ότι το σύστημα AI λειτουργεί με συνηθισμένες εικόνες ΗΚΓ, οι οποίες συλλέγονται ήδη τακτικά σε νοσοκομεία και ιατρικά κέντρα σε όλο τον κόσμο. Έτσι, η τεχνολογία θα μπορούσε ενδεχομένως να βελτιώσει τον έλεγχο χωρίς να απαιτείται ένας εντελώς νέος τύπος ιατρικής εξέτασης.
Τα ευρήματα, που δημοσιεύτηκαν στο περιοδικό Nature, θα μπορούσαν μελλοντικά να βοηθήσουν τους γιατρούς να αποφασίζουν πιο τεκμηριωμένα ποιοι ασθενείς πρέπει να λάβουν εμφυτεύσιμο απινιδωτή. Παράλληλα, θέτουν ένα ενδιαφέρον επιστημονικό ερώτημα: ποιες αλλαγές στην καρδιά δημιουργούν τα ηλεκτρικά μοτίβα που έμαθε να αναγνωρίζει η AI;
«Οι ιατρικές αποφάσεις είναι πραγματικά δύσκολες και πιστεύω ότι αυτός είναι ο λόγος που η AI με ενθουσιάζει τόσο», δήλωσε ο Ziad Obermeyer, αναπληρωτής καθηγητής στη Σχολή Δημόσιας Υγείας του UC Berkeley και επικεφαλής συγγραφέας της μελέτης. «Μπορούμε όχι μόνο να παίρνουμε καλύτερες αποφάσεις, αλλά και να αρχίσουμε να κατανοούμε τι πραγματικά συμβαίνει σε αυτούς τους ασθενείς πριν σταματήσει η καρδιά τους».
Γιατί είναι τόσο δύσκολο να προβλεφθεί ο αιφνίδιος καρδιακός θάνατος
Η αιφνίδια καρδιακή ανακοπή διαφέρει από το έμφραγμα. Το έμφραγμα συμβαίνει όταν η ροή αίματος προς ένα τμήμα της καρδιάς εμποδίζεται ή περιορίζεται σοβαρά. Η ανακοπή, αντίθετα, οφείλεται σε βλάβη των ηλεκτρικών σημάτων που συντονίζουν τον καρδιακό παλμό.
Η άμεση καρδιοπνευμονική αναζωογόνηση (ΚΑΡΠΑ) και η ηλεκτρική εκφόρτιση από έναν αυτόματο εξωτερικό απινιδωτή μπορούν μερικές φορές να αποκαταστήσουν τον καρδιακό ρυθμό. Ωστόσο, περίπου το 90% όσων παθαίνουν αιφνίδια καρδιακή ανακοπή εκτός νοσοκομείου πεθαίνουν μέσα σε λίγα λεπτά. Γι’ αυτό είναι ιδιαίτερα σημαντικό να εντοπίζονται έγκαιρα όσοι κινδυνεύουν.
Για τον Obermeyer, γιατρό επειγόντων περιστατικών, του οποίου η έρευνα συνδυάζει την τεχνητή νοημοσύνη, την ιατρική και την πολιτική υγείας, ο αιφνίδιος καρδιακός θάνατος παραμένει ένα από τα πιο απογοητευτικά άλυτα προβλήματα της ιατρικής.
Επειδή τα θύματα συχνά πεθαίνουν χωρίς προειδοποίηση, οι ερευνητές έχουν περιορισμένες δυνατότητες να παρατηρήσουν τι συμβαίνει στην καρδιά ακριβώς πριν σταματήσει. Η νεκροψία μπορεί να αποκαλύψει φραγμένα αγγεία, σκληρυμένο ιστό ή άλλες δομικές ανωμαλίες, αλλά δεν μπορεί να δείξει πλήρως πώς λειτουργούσε η καρδιά τις στιγμές πριν από τον θάνατο.
«Ένα στοιχείο που κάνει το πρόβλημα εξαιρετικά τραγικό, αλλά και ιδιαίτερα κατάλληλο για την AI, είναι ότι έχουμε τη θεραπεία», είπε ο Obermeyer. «Αν γνωρίζατε ότι ήσασταν από τους ανθρώπους που θα πέθαιναν ξαφνικά, θα πηγαίνατε σε έναν καρδιολόγο και θα σας εμφύτευαν απινιδωτή. Το πρόβλημα είναι ότι οι γιατροί δεν μπορούν να καταλάβουν ποιος τον χρειάζεται πριν να είναι πολύ αργά».
Τα όρια του σημερινού ελέγχου για τον καρδιακό κίνδυνο
Οι γιατροί βασίζονται σήμερα σε μεγάλο βαθμό σε μια μέτρηση της αποτελεσματικότητας με την οποία η καρδιά προωθεί το αίμα σε κάθε παλμό. Οι ασθενείς των οποίων η καρδιά αντλεί αίμα κάτω από ένα καθορισμένο όριο μπορεί να θεωρηθούν υποψήφιοι για εμφυτεύσιμο καρδιομετατροπέα-απινιδωτή, μια συσκευή που μπορεί να δώσει ηλεκτρικό σοκ όταν εμφανιστεί επικίνδυνος καρδιακός ρυθμός.
Η μέτρηση αυτή, όμως, απαιτεί συνήθως εκτενέστερη ιατρική αξιολόγηση. Πολλοί άνθρωποι που τελικά παθαίνουν αιφνίδια καρδιακή ανακοπή δεν υποβάλλονται ποτέ σε τέτοιο έλεγχο, επειδή δεν έχουν προφανή λόγο να υποψιάζονται ότι κινδυνεύουν.
Η προσέγγιση έχει περιορισμούς και για τους ασθενείς που εντοπίζονται ως υψηλού κινδύνου. Περίπου τα δύο τρίτα των εμφυτευμένων απινιδωτών σε αυτούς τους ασθενείς δεν χρειάζεται ποτέ να χορηγήσουν ηλεκτρικό σοκ. Ως αποτέλεσμα, πολλοί υποβάλλονται σε δαπανηρές και επεμβατικές διαδικασίες για περιστατικά που μπορεί να είναι θανατηφόρα, αλλά ενδέχεται να μην συμβούν ποτέ.
Την ίδια στιγμή, χιλιάδες άνθρωποι που δεν έχουν αναγνωριστεί ως άτομα υψηλού κινδύνου πεθαίνουν κάθε χρόνο απροσδόκητα.
«Σε ένα ποσοστό αυτών των ανθρώπων θα μπορούσαμε να είχαμε αποτρέψει τους θανάτους, αν το γνωρίζαμε εγκαίρως», είπε ο Obermeyer. «Πολλοί άνθρωποι χάνουν τη ζωή τους από αιφνίδιο καρδιακό θάνατο, ενώ αυτοί οι θάνατοι θα μπορούσαν να είχαν προληφθεί αν διαθέταμε καλύτερα εργαλεία AI για να εντοπίζουμε αυτούς τους κινδύνους».
Οι ερευνητές ελπίζουν ότι ο εντοπισμός ακριβέστερων προειδοποιητικών σημάτων θα βοηθήσει τους γιατρούς να κατευθύνουν τις προληπτικές θεραπείες στους ασθενείς που είναι πιθανότερο να ωφεληθούν.
Πώς εκπαιδεύτηκε η AI να αναγνωρίζει επικίνδυνα μοτίβα στην καρδιά
Για την ανάπτυξη του αλγορίθμου χρειάστηκαν τρεις ανεξάρτητες συλλογές ιατρικών δεδομένων από διαφορετικά μέρη του κόσμου.
Οι ερευνητές ξεκίνησαν με έξι χρόνια καταγραφών ΗΚΓ από το ενιαίο σύστημα υγειονομικής περίθαλψης της Σουηδίας. Συνδέοντας τις εξετάσεις με πιστοποιητικά θανάτου, μπόρεσαν να μελετήσουν τα ηλεκτρικά μοτίβα ασθενών που αργότερα πέθαναν από αιφνίδιο καρδιακό θάνατο και να τα συγκρίνουν με εκείνα άλλων ασθενών.
Η AI έμαθε να εντοπίζει συνδυασμούς αιχμών, κυμάτων και άλλων χαρακτηριστικών στις καταγραφές, τα οποία φαίνεται να συνδέονται με αυξημένο κίνδυνο. Μετά την εκπαίδευση του συστήματος, η ομάδα το δοκίμασε σε δύο επιπλέον σύνολα δεδομένων: σε ανωνυμοποιημένα ΗΚΓ δύο ετών από νοσοκομειακό σύστημα του Σαν Ντιέγκο και σε ξεχωριστή συλλογή δεδομένων ασθενών από την Ταϊπέι.
Αυτή η διεθνής αξιολόγηση επέτρεψε στους ερευνητές να εξετάσουν αν η προγνωστική ικανότητα του αλγορίθμου ίσχυε και πέρα από τον σουηδικό πληθυσμό στον οποίο βασίστηκε η ανάπτυξή του.
«Η καλή AI ξεκινά με καλά δεδομένα», είπε ο Obermeyer, ο οποίος συμμετέχει επίσης στο κοινό πρόγραμμα Computational Precision Health του UCSF και του UC Berkeley. «Δυστυχώς, δεδομένα όπως αυτά που χρησιμοποιήσαμε σε αυτή τη μελέτη είναι εξαιρετικά δύσκολο να αποκτηθούν. Αυτός είναι ένας σημαντικός λόγος για τον οποίο η κλινική AI χρησιμοποιείται σήμερα τόσο περιορισμένα».
Η συλλογή και η οργάνωση των πληροφοριών ήταν από μόνες τους ένα τεράστιο εγχείρημα. Σύμφωνα με τον Obermeyer, η συγκρότηση των συνόλων δεδομένων χρειάστηκε περίπου 10 χρόνια και περιλάμβανε τη συμβολή δύο οργανισμών στην ίδρυση των οποίων βοήθησε: των Dandelion Health και Nightingale Open Science. Και οι δύο οργανισμοί εργάζονται για την προώθηση της ιατρικής έρευνας μέσω καλύτερης πρόσβασης σε δεδομένα και τεχνητή νοημοσύνη.
«Είναι ένα από τα μεγάλα προνόμια του να βρίσκεσαι στο Berkeley», είπε ο Obermeyer. «Μπορείς να ασχοληθείς με έργα που προχωρούν αργά και σταθερά και, όταν ολοκληρωθούν, ελπίζεις ότι θα έχουν μεγάλο αντίκτυπο».
Από τα κρυφά καρδιακά σήματα σε θεραπείες που σώζουν ζωές
Οι ερευνητές έχουν ήδη αρχίσει να εξετάζουν πώς θα μπορούσε να χρησιμοποιηθεί το σύστημα στην πραγματική περίθαλψη.
Ο Obermeyer συνεργάζεται με συστήματα υγείας στη Σουηδία, την Ταϊβάν και τις ΗΠΑ, με στόχο να ενσωματωθεί ο αλγόριθμος στις βάσεις δεδομένων ΗΚΓ των νοσοκομείων. Σκοπός είναι να εξεταστούν υπάρχουσες καρδιολογικές καταγραφές για σημάδια αυξημένου κινδύνου και να εντοπιστούν ασθενείς που μπορεί να ωφεληθούν από πρόσθετη παρακολούθηση.
Σύμφωνα με την προτεινόμενη προσέγγιση, οι γιατροί θα επικοινωνούν με ασθενείς των οποίων τα ΗΚΓ αξιολογούνται ως υψηλού κινδύνου και θα τους προσφέρουν τη δυνατότητα να φορέσουν ένα αυτοκόλλητο καταγραφικό που παρακολουθεί συνεχώς την ηλεκτρική δραστηριότητα της καρδιάς.
Οι καταγραφές μεγαλύτερης διάρκειας θα μπορούσαν να προσφέρουν πολύτιμες ενδείξεις για τις βιολογικές διεργασίες που προκαλούν τα προειδοποιητικά σήματα τα οποία εντοπίζει η AI. Η κατανόηση αυτών των διεργασιών θα μπορούσε να βοηθήσει τους ερευνητές να εξηγήσουν γιατί ορισμένες καρδιές είναι πιο ευάλωτες στην αιφνίδια εμφάνιση θανατηφόρων ηλεκτρικών διαταραχών.
Για ορισμένους ασθενείς, οι πρόσθετες πληροφορίες μπορεί τελικά να στηρίξουν την πρόταση εμφύτευσης απινιδωτή και να αποτρέψουν έναν αιφνίδιο, απροσδόκητο θάνατο.
Ο Obermeyer έχει επίσης δημιουργήσει έναν ιστότοπο, όπου όσοι ενδιαφέρονται να μάθουν για τον προσωπικό τους κίνδυνο μπορούν να συμπληρώσουν βασικές πληροφορίες και μια διεύθυνση ηλεκτρονικού ταχυδρομείου. Η ερευνητική ομάδα μπορεί στη συνέχεια να επικοινωνήσει μαζί τους για ανάλυση ΗΚΓ, όταν η τεχνολογία γίνει ευρύτερα διαθέσιμη.
Μπορεί η AI να αποκαλύψει νέα μυστικά της ανθρώπινης καρδιάς;
Πέρα από τη δυνατότητά της να βελτιώσει την πρόληψη του αιφνίδιου καρδιακού θανάτου, η ανακάλυψη δείχνει πώς η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει τους επιστήμονες να διερευνήσουν ιατρικά μυστήρια που δεν έχουν λυθεί με τις συμβατικές μεθόδους.
Ο αλγόριθμος δεν εντοπίζει απλώς ασθενείς που μπορεί να χρειάζονται θεραπεία, αλλά έχει αποκαλύψει μοτίβα στην καρδιακή δραστηριότητα τα οποία οι ερευνητές δεν κατανοούν ακόμη πλήρως. Η μελέτη αυτών των σημάτων θα μπορούσε να οδηγήσει σε νέες γνώσεις για τις ηλεκτρικές διαταραχές που ευθύνονται για τον αιφνίδιο καρδιακό θάνατο και ενδεχομένως να αποκαλύψει επιπλέον δυνατότητες πρόληψης.
Ο Obermeyer πιστεύει ότι η δυνατότητα εντοπισμού βιολογικών μοτίβων που δεν είχαν αναγνωριστεί προηγουμένως θα μπορούσε να αποτελέσει μία από τις σημαντικότερες συνεισφορές της AI στην ιατρική, ανοίγοντας νέους δρόμους στην έρευνα και βοηθώντας τους γιατρούς να λαμβάνουν καλύτερες αποφάσεις.
«Αυτά τα εργαλεία θα οδηγήσουν επίσης σε έναν νέο τρόπο άσκησης της επιστήμης», είπε ο Obermeyer, «και είναι συναρπαστικό να σκεφτόμαστε πώς θα αρχίσει να διαμορφώνεται».
Το άρθρο στο ygeiax.gr: https://www.ygeiax.gr/health/kardia-i-techniti-noimosyni-entopizei-kryfo-sima-poy-isos-provlepei-aifnidio-thanato/29722
