Πώς η ΤΝ συμβάλλει στη μείωση καρδιακών προσβολών

Οι καρδιαγγειακές παθήσεις αποτελούν τη συχνότερη αιτία θανάτου παγκοσμίως, προκαλώντας 17,3 εκατομμύρια θανάτους σε ετήσια βάση. Ένας αριθμός που θα μπορούσε να αυξηθεί στα 23,6 εκατομμύρια έως το 2030.

Ταυτοχρόνως, όμως, λόγω της πρόληψης και της καλύτερης ιατρικής περίθαλψης η θνησιμότητα στα περιστατικά καρδιακών προσβολών έχει μειωθεί σημαντικά. Και θα μπορούσε να μειωθεί ακόμη περισσότερο με τη βοήθεια της τεχνητής νοημοσύνης.

Η τεχνητή νοημοσύνη έχει τη δυνατότητα να εντοπίζει εγκαίρως τους δυνητικούς κινδύνους. Από τα δεδομένα μίας εξέτασης η ΤΝ μπορεί να αντιληφθεί μοτίβα ή παρεκκλίνουσες τιμές πολύ ταχύτερα ακόμη κι από το πιο εκπαιδευμένο προσωπικό.

Η αναγνώριση του κινδύνου καρδιακής προσβολής

Η τεχνητή νοημοσύνη θα μπορούσε, για παράδειγμα, να σώσει τη ζωή χιλιάδων ασθενών που υποφέρουν από πόνους στο στήθος και στους οποίους, αν και υποβλήθηκαν σε εξέταση αξονικής τομογραφίας, δεν εντοπίστηκε κίνδυνος καρδιακής προσβολής – κάτι που συμβαίνει λόγω του ότι συχνά οι πολύ μικρές στενώσεις στα στεφανιαία αγγεία δεν γίνονται αντιληπτές. Σε περίπτωση φλεγμονής, ενδέχεται να σπάσουν και να μπλοκάρουν τις αρτηρίες, προκαλώντας καρδιακή προσβολή. Μέχρι πρότινος ήταν αδύνατος ο εκ των προτέρων εντοπισμός αυτού του κινδύνου.

Ερευνητές από την Οξφόρδη ανέπτυξαν τώρα ένα εργαλείο τεχνητής νοημοσύνης, το οποίο μπορεί να διαπιστώσει την ύπαρξη τέτοιων ανωμαλιών ακόμη και σε ασθενείς που δεν έχουν σημαντικές στενώσεις των στεφανιαίων αγγείων, προβλέποντας με αυτόν τον τρόπο τον κίνδυνο καρδιακής προσβολής σε βάθος δεκαετίας. Αυτά είναι τα πορίσματα μελέτης που χρηματοδοτήθηκε από το British Heart Foundation και παρουσιάστηκε στις επιστημονικές συνεδρίες του American Heart Association στη Φιλαδέλφεια.

Η τεχνητή νοημοσύνη δίνει τη λύση - και εδώ

Στο Ηνωμένο Βασίλειο περίπου 350.000 άνθρωποι κάνουν αξονική τομογραφία καρδιάς ετησίως – την τυπική δηλαδή εξέταση για τον εντοπισμό στενώσεων ή αποφράξεων στα στεφανιαία αγγεία.

Στην προαναφερθείσα μελέτη η ερευνητική ομάδα, με επικεφαλής τον καθηγητή Χαράλαμπο Αντωνιάδη από το Τμήμα Ιατρικής Radcliffe του Πανεπιστημίου της Οξφόρδης, ανέλυσε τις εξετάσεις 40.000 ατόμων από οκτώ βρετανικά νοσοκομεία. Σε περίπου 3/4 των περιπτώσεων δεν εντοπίστηκαν σαφή σημάδια σημαντικών στενώσεων, με αποτέλεσμα οι ασθενείς να λάβουν άμεσα εξιτήριο. Η ανάλυση των δεδομένων, όμως, κατέδειξε πως δεν βρίσκονται σε κίνδυνο μονάχα οι ασθενείς με σημαντικές στενώσεις στα στεφανιαία αγγεία.

Πολλοί ασθενείς που τελικά υπέστησαν καρδιακή προσβολή ή πέθαναν από καρδιακή ανεπάρκεια, δεν είχε διαπιστωθεί πως διέτρεχαν κίνδυνο, επειδή δεν εντοπίστηκαν οι πιο μικρές ενδείξεις. Πλέον όμως μπορούν κι αυτές να ανιχνευθούν: όχι από τον άνθρωπο, αλλά από την τεχνητή νοημοσύνη.

Το εργαλείο τεχνητής νοημοσύνης της ερευνητικής ομάδας εξετάζει το λίπος γύρω από τις φλεγμονώδεις αρτηρίες, υπολογίζοντας έτσι το πραγματικό ρίσκο, καθώς τέτοιου είδους διαφοροποιήσεις καταδεικνύουν πως υπάρχει αυξημένος κίνδυνος καρδιακής προσβολής.

Στοχευμένη και προσαρμοσμένη θεραπεία

Σε ένα πρωτοποριακό πιλοτικό πρόγραμμα η ιατρική ομάδα ανέπτυξε μία αξιολόγηση κινδύνου με τη βοήθεια της τεχνητής νοημοσύνης για 744 ασθενείς. Βάσει αυτής της αξιολόγησης οι υπεύθυνοι γιατροί αποφάσισαν να αλλάξουν τη θεραπεία στο 45% των περιπτώσεων. Σύμφωνα με τη μελέτη η αξιοποίηση αυτής της τεχνολογίας μείωσε κατά περισσότερο από 20% τις καρδιακές προσβολές και κατά 8% τους θανάτους και τα εγκεφαλικά επεισόδια μεταξύ των ατόμων που εξετάστηκαν.

«Κάθε χρόνο πεθαίνουν πολλοί άνθρωποι χωρίς λόγο από καρδιακή προσβολή. Είναι κομβικής σημασίας το να αξιοποιήσουμε την τεχνητή νοημοσύνη για τη διαμόρφωση της θεραπείας των ασθενών», δηλώνει ο Χαράλαμπος Αντωνιάδης. «Εδώ δείξαμε πως η πορεία της θεραπείας μπορεί να αλλάξει ή και να βελτιωθεί, εάν οι γιατροί έχουν μία πιο ξεκάθαρη εικόνα για τους κινδύνους που διατρέχει ένας ασθενής».

Εξοικονόμηση χρόνου και χρημάτων

Το νέο αυτό εργαλείο αποτελεί μονάχα ένα παράδειγμα για το πώς μπορεί να συμβάλλει η τεχνητή νοημοσύνη στην έγκαιρη έναρξη των θεραπειών, σώζοντας με αυτόν τον τρόπο ζωές, εξοικονομώντας σημαντικό χρόνο, αλλά και πολλά χρήματα. Ένα άλλο παράδειγμα είναι το «Σύστημα Υποστήριξης Αποφάσεων» (Decision Support System) που ανέπτυξαν Βρετανοί καρδιολόγοι στα μέσα του 2023 και το οποίο θα μπορούσε να επιταχύνει τη διάγνωση μίας καρδιακής προσβολής στα επείγοντα περιστατικά με τη βοήθεια της τεχνητής νοημοσύνης.

Το εργαλείο τεχνητής νοημοσύνης μπορεί να προσδιορίσει ταχύτερα την τιμή της τροπονίνης στο αίμα. Πρόκειται για την πρωτεΐνη που διαδραματίζει καίριο ρόλο στη διάγνωση των καρδιακών προσβολών. Μέχρι τώρα οι ασθενείς συχνά εισάγονται στο νοσοκομείο ή πρέπει να παραμείνουν περισσότερο εκεί για παρακολούθηση, έως ότου καθοριστεί η τιμή της τροπονίνης, παρ' ότι αυτοί δεν έχουν υποστεί καρδιακή προσβολή. Μία ακόμη περίπτωση δηλαδή στην οποία η ΤΝ θα μπορούσε να εξοικονομήσει στον ασθενή και χρόνο και έξοδα.

Έγκαιρη αναγνώριση των κινδύνων

Συγκριτικά με τον άνθρωπο, η τεχνητή νοημοσύνη μπορεί να αναγνωρίσει τους κινδύνους όχι μόνο ταχύτερα, αλλά ενίοτε και πιο αξιόπιστα. Στα μέσα του 2023 Αμερικανοί ερευνητές παρουσίασαν ένα εργαλείο τεχνητής νοημοσύνης που ανιχνεύει ύποπτα μοτίβα σε ένα καρδιογράφημα και εντοπίζει επικίνδυνες αποφράξεις στις στεφανιαίες αρτηρίες με μεγαλύτερη αξιοπιστία και από έναν έμπειρο καρδιολόγο.

Όσο νωρίτερα εντοπίζεται ο κίνδυνος, τόσο μειώνεται το ρίσκο για τον ασθενή. Σε μία διαδικασία ρουτίνας μπορεί να τοποθετηθεί στον ασθενή μία λεγόμενη ενδοπρόθεση (stent), πολύ πριν την εμφάνιση μίας επικίνδυνης απόφραξης. Η ενδοπρόθεση είναι ένας μικρός, πλαστικός ή μεταλλικός σωλήνας, ο οποίος τοποθετείται σε μία στεφανιαία αρτηρία, εμποδίζοντας έτσι το κλείσιμο της και αποτρέποντας κατ' αυτόν τον τρόπο τον κίνδυνο καρδιακής προσβολής.

Επιμέλεια: Γιώργος Πασσάς