מודל חדש של בינה מלאכותית מצא איתותים שלא זוהו בעבר בבדיקות לב שגרתיות המנבאות בחוזקה אילו חולים יסבלו מסיבוכים קטלניים שעלולים להיות קטלניים לאחר הניתוח. המודל ביצע משמעותית את ציוני הסיכון הסתמכו כיום על ידי רופאים.
העבודה במימון פדרלי של חוקרי אוניברסיטת ג'ונס הופקינס, שהופכת תוצאות בדיקה סטנדרטיות וזולות לכלי שעשוי להצלת חיים, עלולה להפוך את קבלת ההחלטות וחישוב הסיכון הן לחולים והן למנתחים.
אנו מדגימים כי אלקטרוקרדיוגרמה בסיסית מכילה מידע פרוגנוסטי חשוב שלא ניתן לזהות אותו בעין בלתי מזוינת. אנו יכולים רק לחלץ אותו בטכניקות למידת מכונה. "
רוברט ד. סטיבנס, סופר בכיר, ראש המחלקה לאינפורמטיקה, אינטגרציה וחדשנות ברפואה של ג'ונס הופקינס
הממצאים מתפרסמים היום ב כתב העת הבריטי של הרדמהו
חלק ניכר מהאנשים מפתחים סיבוכים מסכני חיים לאחר ניתוח גדול. ציוני הסיכון הסתמכו על ידי הרופאים כדי לזהות מי נמצא בסיכון לסיבוכים מדויקים רק בכ- 60% מהמקרים.
בצוות ג'ונס הופקינס, בתקווה ליצור דרך מדויקת יותר לחזות סיכונים בריאותיים אלה, פנה לאלקטרוקרדיוגרמה (א.ק.ג. זוהי דרך מהירה ולא פולשנית להעריך את פעילות הלב באמצעות אותות חשמליים, והיא יכולה לאותת על מחלות לב.
אולם אותות א.ק.ג. סובבים גם מידע פיזיולוגי אחר ועדין יותר, אמר סטיבנס, וצוות הופקינס חשד שהם עשויים למצוא אוצר של נתונים חזויים עשירים-אם AI יכול לעזור להם לראות זאת.
"ה- ECG מכיל הרבה מידע מעניין באמת לא רק על הלב אלא על מערכת הלב וכלי הדם", אמר סטיבנס. "דלקת, המערכת האנדוקרינית, חילוף חומרים, נוזלים, אלקטרוליטים- כל הגורמים הללו מעצבים את המורפולוגיה של האק"ג. אם היינו יכולים לקבל מערך נתונים גדול באמת של תוצאות א.ק.
הצוות ניתח נתוני א.ק.ג לפני הניתוח של 37,000 חולים שעברו ניתוח במרכז הרפואי של בית ישראל בבוסטון.
הצוות אימן שני דגמי AI כדי לזהות חולים שעלולים להתקף לב, שבץ מוחי או מת תוך 30 יום לאחר הניתוח שלהם. מודל אחד הוכשר רק על נתוני א.ק.ג. השני, אותו כינה הצוות מודל "היתוך", שילב את פרטי ה- ECG עם פרטים נוספים מרשומות רפואיות של מטופלים כמו גיל, מין ומצבים רפואיים קיימים.
המודל של ה- ECG בלבד ניבא סיבוכים טובים יותר מציוני הסיכון הנוכחיים, אך מודל ההיתוך היה אפילו טוב יותר, והצליח לחזות אילו חולים יסבלו מסיבוכים שלאחר הניתוח עם דיוק של 85%.
"מפתיע שנוכל לקחת את האבחון השגרתי הזה, את הנתונים השווייים של 10 שניות ולחזות ממש טוב אם מישהו ימות לאחר הניתוח", אמר סופר הראשי קרל האריס, סטודנט לתואר שלישי בהנדסה ביו -רפואית. "יש לנו ממצא משמעותי באמת שיכול לשפר את הערכת הסיכון הכירורגי."
הצוות גם פיתח שיטה כדי להסביר אילו תכונות א.ק.ג עשויות להיות קשורות להתקף לב או לשבץ מוחי לאחר ניתוח.
"אתה יכול לדמיין אם אתה עובר ניתוח גדול, במקום פשוט להכניס את ה- ECG שלך לרשומות שלך, שם אף אחד לא יסתכל על זה, זה מנוהל דרך מודל ואתה מקבל הערכת סיכונים ויכול לדבר עם הרופא שלך על הסיכונים והיתרונות של הניתוח," אמר סטיבנס. "זה צעד טרנספורמטיבי קדימה כיצד אנו מעריכים את הסיכון לחולים."
בשלב הבא הצוות יבדוק עוד יותר את המודל במערכי נתונים של יותר מטופלים. הם גם רוצים לבדוק את המודל באופן פרוספקטיבי עם חולים שעומדים לעבור ניתוח.
הצוות גם רוצה לקבוע איזה מידע אחר עשוי להיות מופץ מתוצאות א.ק.ג באמצעות AI.
סופרים, כולם מבית הספר לרפואה של ג'ונס הופקינס ג'ונס הופקינס ובית הספר להנדסה ווייטינג, כוללים: אנווי פיימפלקר, אטאס אגרוואל, ג'יאן יאנג, שיאוג'יאן צ'ן, סמואל שמידל, סמפאת ראפורי, ג'וזף ל. גרינשטיין וקייסי טיילור.
