התקדמות ואתגרים ביישומי AI לרפואת לב וכלי דם

בינה מלאכותית (AI) עשויה לשנות את הרפואה הקרדיווסקולרית. עם זאת, לעת עתה נותרו אתגרים רבים, ומעט כלי AI הוכחו כמשפרים את הטיפול, על פי הצהרה מדעית חדשה של איגוד הלב האמריקני שפורסמה היום ב-Circulation, כתב עת הדגל של האגודה הנבדק עמיתים.

ההצהרה המדעית החדשה, "שימוש בבינה מלאכותית בשיפור התוצאות במחלות לב", מגיעה על רקע תשומת לב אינטנסיבית על AI כדרך לשיפור מניעה, זיהוי, אבחון וטיפול של מחלות לב וכלי דם.

כאן, אנו מציגים את המצב העדכני ביותר, כולל המדע העדכני ביותר לגבי שימושי AI ספציפיים – מהדמיה וציוד לביש ועד לאלקטרו-קרדיוגרפיה וגנטיקה. בין המטרות של כתב היד הזה היא לזהות שיטות עבודה מומלצות כמו גם פערים ואתגרים שעשויים לשפר את הישימות של כלי בינה מלאכותית בכל תחום".

אנטוניס ארמונדס, Ph.D., יו"ר ועדת הכתיבה של ההצהרה, חוקר ראשי במרכז לחקר הלב וכלי הדם בבית החולים הכללי של מסצ'וסטס ופרופסור חבר לרפואה בבית הספר לרפואה של הרווארד, בוסטון

ל-AI יש את הכוח לנתח כמויות עצומות של נתונים ולבצע תחזיות, בדרך כלל עבור משימות מוגדרות מצומצמות, כגון מתן תובנות קליניות ומכניסטיות במחקרים בסיסיים, תרגומיים וקליניים. למידת מכונה ממנפת מודלים ואלגוריתמים סטטיסטיים ומתמטיים כדי לזהות דפוסים במערכי נתונים גדולים שאולי אינם ברורים לצופים אנושיים המשתמשים בגישות סטנדרטיות. למידה עמוקה, תת תחום של למידת מכונה, היא התרגול של לקיחת מערכי נתונים מורכבים מאוד והתאמתם עם תוויות שימושיות, למשל בזיהוי תמונות ופרשנות.

השימוש בטכנולוגיות אלה הוביל לניתוח של רשומות בריאות אלקטרוניות (EHRs) כדי להבין השפעות טיפול שונות, להשוות את היעילות של בדיקות והתערבויות, ולאחרונה, לבנות מודלים של חיזוי, סיווג ואופטימיזציה כדי לסייע בקבלת החלטות קליניות- הֲכָנָה. יישומי בינה מלאכותית בטיפול קרדיווסקולרי כוללים הדמיה לבבית, אלקטרוקרדיוגרפיה (או א.ק.ג., ניטור ליד המיטה, טכנולוגיות להשתלה ולבישה, גנטיקה ופרשנות של EHRs.

פערים ואתגרים

על פי ההצהרה, המגבלות בשימוש בבינה מלאכותית ולמידת מכונה בכל תחומי הרפואה הקרדיווסקולרית כוללות:

• פרוטוקולים המבטיחים איסוף מידע מתאים, בחירה וארגון, כמו גם שיתוף ופרטיות הם קריטיים. יש לטפל גם באתגרים אתיים ומשפטיים פוטנציאליים.
• יש צורך בבסיס ידע מדעי גדול יותר. אלגוריתמים נוכחיים מבוססי בינה מלאכותית חסרים מחקר פרוספקטיבי או מחקרים המדגימים את ההשפעות של בינה מלאכותית על מנת לבחון מקרוב את השפעתו הפוטנציאלית בעתיד. ישנם צרכים דחופים למידע שנאסף באופן פרוספקטיבי, ניסויים קליניים ופיתוח זרימות עבודה אוטומטיות כדי להשיק ולתחזק משימות ספציפיות שעשויות לשפר את היעילות.
• יישום אלגוריתמי בינה מלאכותית בפועל עשוי להיות מוגבל בשל היעדר פלטפורמות סטנדרטיות ברחבי תעשיית הבריאות לדיווח על תחזיות וממצאים בקנה מידה במערכי נתונים.
• המחברים גם מביעים את הצורך לפתח מסלולים רגולטוריים עבור טכנולוגיות התומכות בינה מלאכותית בארה"ב כדי להבטיח בטיחות ויעילות כדי לצמצם את הנזק כאשר הטכנולוגיות מתפתחות במהירות.

"אימות קליני פרוספקטיבי איתן באוכלוסיות גדולות ומגוונות הממזער צורות שונות של הטיה חיוני כדי להתמודד עם אי ודאויות ולהעניק אמון, אשר בתורו יסייע להגביר את הקבלה והאימוץ הקליניים", אמר ארמונדס.

AI על ידי יישום קרדיווסקולרי

המחברים סקרו מספר תחומים של שימוש בבינה מלאכותית ברפואה קרדיווסקולרית כולל:

הַדמָיָה. הדמיה חשובה לאבחון מדויק של מצבים קרדיווסקולריים ושבץ מוחי. כלי בינה מלאכותית ולמידת מכונה מנסים לטפל בחוסר עקביות בפרשנות אנושית ולהקל על מומחים עמוסים מדי בעיבוד תמונות לב ומוח. שימוש בבינה מלאכותית ולמידת מכונה לפירוש מבחני הדמיה בצורה רחבה יותר הוא מאתגר מכיוון שלעתים קרובות אין ערכות נתונים מייצגות של הדמיה; כמו כן, יש לאמת את האופן שבו טכנולוגיות אלו משפיעות על תוצאות קליניות בכל תחום שימוש.

אלקטרוקרדיוגרפיה. בין השימושים המבטיחים של AI הוא פרשנות של אלקטרוקרדיוגרפיה, המודדת את הפעילות החשמלית של הלב. בינה מלאכותית סייעה להפוך את פרשנות ה-ECG לאוטומטית על ידי זיהוי תוצאות עדינות שמומחים אנושיים עשויים שלא לראות ולחזות שינויים המצביעים על חריגות שעדיין לא ניכרות.

טכנולוגיות מושתלות ולבישות. טכנולוגיות מושתלות ולבישות יכולות לפרש מידע בריאותי על בסיס כמעט מתמשך, מה שעשוי לסייע בזיהוי מהיר יותר של ירידה בתפקוד ו/או צורך במעקב אחר שיפור או בחיפוש אחר שיטות התערבות. בסופו של דבר, מכשירים אלה פותחים רמה של ניטור מרחוק שיכול למלא תפקיד ישיר יותר בהקלת טיפול חוץ מוצלח. במקרים מסוימים, מכשירים לבישים עשויים לסייע בהפחתת פערים בטיפול ועשויים לסייע בשיפור הבריאות. עדיין לא מטופלות דרכים לזהות אילו מטופלים ומצבים עשויים להיות הטובים ביותר לניטור מרחוק התומך בינה מלאכותית ולמידת מכונה, ולפתח ולאמת פרוטוקולי טיפול עבור כל אחד מהם.

המחברים מציינים שחפצים לבישים לצרכן, לרבות שעונים חכמים ועוקבי כושר המזהים פעילות גופנית, דופק ופרמטרים פיזיולוגיים אחרים, עשויים לכלול או לא לכלול רכיבים מאושרים על ידי ה-FDA. האפקטיביות והדיוק של מכשירים לבישים משתנים בהתאם לגורמים רבים כולל סוג החיישנים במכשיר. בסך הכל, נותרו פערים כיצד לתקן את השימוש האופטימלי במכשירים אלה וכיצד לטפל בעלות-תועלת, יישום, אתיקה, פרטיות, בטיחות, גישה שוויונית ועוד.

גנטיקה. בעוד שאלגוריתמים של AI שיפרו את היכולת לפרש גרסאות גנטיות וחריגות, ועדת הכתיבה מזהירה מפני שימוש בכלים אלה כדי לבצע סיווגים סופיים.

"קיימים כבר יישומים רבים שבהם כלים דיגיטליים מבוססי בינה מלאכותית/למידת מכונה יכולים לשפר את ההקרנה, לחלץ תובנות לגבי הגורמים המשפרים את בריאותו של מטופל בודד ולפתח טיפולים מדויקים למצבים בריאותיים מורכבים", לדברי ארמונדס.

"יש צורך דחוף לפתח תוכניות שיאיצו את החינוך של המדע מאחורי כלי למידת AI/למידת מכונה, ובכך יאיץ את האימוץ והיצירה של תהליכים ניתנים לניהול, חסכוניים, אוטומטיים. אנחנו צריכים יותר מבוססי AI/למידה מכונה. כלים לרפואה מדויקת כדי לסייע במתן מענה לצרכים הליבה שאינם מסופקים ברפואה, שניתן לבדוק לאחר מכן בניסויים קליניים חזקים", אמר ארמונדס. "תהליך זה חייב לשלב באופן אורגני את הצורך להימנע מהטיה ולמקסם את יכולת ההכללה של הממצאים על מנת להימנע מהנצחת אי-שוויון קיים בתחום הבריאות".

הצהרה מדעית זו הוכנה על ידי קבוצת הכתיבה המתנדבת מטעם המכון האמריקאי לרפואה קרדיווסקולרית מדויקת; המועצה לאחיות לב וכלי דם ושבץ; המועצה למחלות לב וכלי דם בצעירים; המועצה לרדיולוגיה והתערבות לב וכלי דם; המועצה ליתר לחץ דם; המועצה לכליות במחלות לב וכלי דם; ומועצת השבץ. הצהרות מדעיות של איגוד הלב האמריקאי מעודדות מודעות רבה יותר למחלות לב וכלי דם ולבעיות שבץ מוחי ומסייעות להקל על החלטות מושכלות בתחום הבריאות. הצהרות מדעיות מתארות את מה שידוע כרגע על נושא ואילו תחומים דורשים מחקר נוסף. בעוד שהצהרות מדעיות מודיעות על פיתוח הנחיות, הן אינן מציעות המלצות לטיפול. הנחיות איגוד הלב האמריקאי מספקות את ההמלצות הרשמיות של האיגוד לתרגול קליני.