רופאים עשויים להיות מסוגלים בקרוב לאבחן צורה חמקמקה של מחלת לב תוך שניות באמצעות מודל AI שפותח באוניברסיטת מישיגן, על פי מחקר שנערך לאחרונה.
החוקרים אימנו את המודל לזהות תפקוד לקוי של כלי הדם הכליליים, מצב מורכב הדורש טכניקות הדמיה מתקדמות לאבחון, באמצעות אלקטרוקרדיוגרמה נפוצה.
כלי החיזוי שלהם עלה משמעותית על מודלים מוקדמים של AI כמעט בכל מטלת אבחון, כולל חיזוי רזרבה של שריר הלב, תקן הזהב לאבחון CMVD.
התוצאות מתפרסמות ב NEJM AIיומן חודשי מה New England Journal of Medicine מִשׁפָּחָה.
המודל שלנו יוצר דרך לקלינאים לזהות במדויק מצב שקשה לשמצה לאבחן – ולעתים קרובות החמצה אותו בביקורים במחלקה למיון – באמצעות רצועת א.ק.ג. של 10 שניות".
Venkatesh L. Murthy, MD, Ph.D., סופר בכיר, שותף ראשי של קרדיולוגיה למחקר תרגום וחדשנות במרכז הלב וכלי הדם של UM Health Frankel והפרופסור מלווין רובנפיר לקרדיולוגיה מונעת בבית הספר לרפואה של UM
כ-14 מיליון אנשים מבקרים במיון או במרפאת חוץ מדי שנה בגלל כאבים בחזה.
בניגוד למחלת עורקים כליליים, המתרחשת עקב חסימה בכלי הדם הגדולים של הלב, CMVD משפיע על הכלים הזעירים יותר.
זה גם גורם לכאבים בחזה ומגביר את הסיכון להתקף לב, אך אבחון CMVD מצריך שיטות מתקדמות כגון הדמיית זלוף שריר הלב PET.
איך עובד מודל הבינה המלאכותית
סריקות אלה בעל ערך גבוה הן יקרות ולעתים רחוקות נגישות מחוץ למרכזים מיוחדים.
הסריקות המוגבלות הזמינות היוו אתגר עבור מרתי וצוות המחקר שלו כשחיפשו נתונים שעליהם לאמן את מודל הבינה המלאכותית שלהם.
הם פתרו את הבעיה הזו באמצעות למידה בפיקוח עצמי, או SSL.
הם התחילו בהכשרה מוקדמת של מודל למידה עמוקה שנקרא שנאי ראייה על יותר מ-800,000 צורות גל של א.ק.ג. ללא תווית וכיוונו אותו עדין על מערך נתונים קטן יותר מסומן של סריקות PET.
"בעיקרון, לימדנו את המודל 'להבין' את השפה החשמלית של הלב ללא השגחה אנושית", אמר מרתי.
לאחר הכשרה על היסודות, החוקרים לימדו את המודל לפרק במדויק נתוני PET מתקדמים באמצעות 12 משימות חיזוי דמוגרפיות וקליניות שונות, כולל כמה שאינן אפשריות באמצעות מודלים עדכניים של EKG-AI.
המודל לא רק הצליח לחזות CMVD על פני מסדי נתונים שונים, אלא הוא שיפר בעקביות את הדיוק האבחוני של משימות חיזוי עבור מצבי לב נפוצים יותר בהשוואה למודלים חדישים קודמים.
ארבע ממשימות האבחון בהן משתמש המודל כוללות לרוב אלקטרוקרדיוגרמות שנלקחו במהלך מבחני מאמץ במאמץ.
עם זאת, התוצאות הראו רק עלייה מינימלית בביצועים בעת שימוש בא.ק.ג מאמץ בהשוואה לא.ק.ג. במנוחה.
העתיד של AI לבבי
מספר קבוצות פיתחו בהצלחה כלי בינה מלאכותית לפירוש א.ק.ג. על ידי הכשרתם במסדי נתונים גדולים של א.ק.ג.
עם זאת, מודלים אלה משמשים למשימות כלליות יותר, כגון פרשנות אוטומטית של קצב הלב וזיהוי הפרעות בתפקוד סיסטולי של חדר שמאל.
על ידי שימוש בנתוני "תקן הזהב" הפחות נגישים מסריקות PET MPI כדי לאמן את המודל שלו, הצוות של מרתי מאמין שהוא יכול להרחיב את היכולת של א.ק.ג. לחזות מצב מיקרו-וסקולרי קשה יותר לנקודה כמו CMVD.
"אנשים שמגיעים למיון עקב כאבים בחזה עלולים לסבול מ-CMVD, אבל האנגיוגרמה שלהם תופיע כ'ברורה'", אמרה שותפה לכותבת Sascha N. Goonewardena, MD, פרופסור חבר לרפואה פנימית-קרדיולוגיה בבית הספר לרפואה של UM.
"בבתי חולים עם משאבים מוגבלים או מרכזים שאינם מתמחים, שימוש במודל ה-EKG-AI שלנו כדי לחזות עתודת זרימה של שריר הלב ו-CMVD תהיה דרך קלה, חסכונית ולא פולשנית לזהות מתי מטופל ירוויח מבדיקות מתקדמות למצב חמור."
