ICNC2019 Рискът от миокарден инфаркт или смърт при пациенти с ангина пекторис може да бъде определен
LogitBoost, алгоритъмът, базиран на изкуствен интелект, изчислява с точност над 90% риска от инфаркт на миокарда или смърт на пациенти с ангина пекторис. Според проучване, представено на # ICNC2019, резултатите, генерирани от софтуера, както и точността, с която той анализира данните, значително надвишават тези на лекарите.
Алгоритъмът е изготвен с 85 променливи, включително наличие на коронарни плаки, стесняване на кръвоносните съдове, кръвоток, възраст, пол и др. Той ги анализира многократно, докато не успя да идентифицира определени модели, с които да съотнесе променливите с риска от миокарден инфаркт или смърт.
„Тези технологични постижения са най-доброто нещо в медицината. Въпреки че разполагаме с всички данни, все още не ги използваме с пълния си потенциал “- казва авторът на изследването Д-р Луис Едуардо Хуарес-Ороско, PET център в Турку, Финландия.
Обикновено лекарите използват оценки на риска да взема решения относно избора на различни видове лечения. Тези резултати обаче се основават само на няколко променливи и най-често имат лоша точност сред пациентите. Чрез повторение и настройка изкуственият интелект може да експлоатира огромни количества данни, идентифицирайки много сложни модели, които хората трудно могат да наблюдават.
Провеждане на проучването
Проучването включва 950 пациенти с ангина пекторис, които преминават през обичайния протокол на центъра, към който принадлежат, като извършват всички тестове за идентифициране на коронарна артериална болест.
„Лекарите вече събират много информация от пациентите. Открихме, че машинното обучение може да интегрира тези данни и може точно да предвиди индивидуалния риск за всеки. По този начин ще можем да персонализираме лечението и да получим по-добри резултати за пациентите “- продължава Д-р Хуарес-Ороско.
След коронарография те бяха идентифицирани 58 променливи, за да потвърдят наличието на коронарна плака, стесняване на кръвоносните съдове и калцификация на стените им. Пациентите, чиито образни резултати показват наличие на тези фактори, са били насочени към PET (позитронно-емисионна томография) изследване. В резултат на това те бяха получени 17 променливи, свързани с притока на кръв.
Други 10 клинични променливи, като тютюнопушене, възраст, пол, диабет, са получени от медицинските досиета на участниците.
След период на проследяване от 6 години те бяха записани 24 инфаркта на миокарда и 49 смъртни случая. 85-те променливи бяха въведени в алгоритъма LogitBoost, който ги анализира многократно, докато намери най-добрия начин да се предскаже кой от участниците е получил сърдечен удар и кой е починал.
Машинното обучение, считано за крайъгълен камък на изкуствения интелект, се използва ежедневно в по-голямата част от приложенията, които използваме. По отношение на неговите последици за медицината, през годините са разработени редица алгоритми за увеличаване и рационализиране на опита на лекарите и пациентите.