Ένα ηλεκτροκαρδιογράφημα (ΗΚΓ) διαρκεί λίγα λεπτά και καταγράφει την ηλεκτρική δραστηριότητα της καρδιάς. Οι γνώριμες γραμμές του βοηθούν τους γιατρούς να αναγνωρίσουν, μεταξύ άλλων, διαταραχές του ρυθμού ή ενδείξεις εμφράγματος. Σύμφωνα με νέα έρευνα, όμως, ίσως κρύβουν περισσότερα στοιχεία για την υγεία μας συνολικά και η AI έρχεται να τα «αποκωδικοποιήσει».
Επιστήμονες του Scripps Research ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που αναλύει το ηλεκτροκαρδιογράφημα και αναζητά σύνθετα μοτίβα στο σήμα του. Στις δοκιμές, το σύστημα εκτίμησε όχι μόνο καρδιαγγειακούς κινδύνους, αλλά και την πιθανότητα εμφάνισης χρόνιας νεφρικής νόσου ή διαβήτη τύπου 2 μέσα στα επόμενα τρία χρόνια.
Πώς «εκπαιδεύτηκε» να διαβάζει το ΗΚΓ
Το μοντέλο ονομάζεται ECG-CLIP και παρουσιάζεται σε μελέτη που δημοσιεύθηκε στο The Lancet Digital Health. Για την εκπαίδευσή του χρησιμοποιήθηκαν περισσότερα από 1,7 εκατομμύρια ηλεκτροκαρδιογραφήματα, τα οποία προέρχονταν από περίπου 542.000 ασθενείς του Scripps Health.
Η βασική διαφορά από προηγούμενα εργαλεία ήταν ότι το ECG-CLIP δεν εκπαιδεύτηκε μόνο στις κυματομορφές (σήματα) των εξετάσεων. Κάθε ΗΚΓ συνδυάστηκε με τη γνωμάτευση του καρδιολόγου, ώστε το μοντέλο να μάθει πώς συγκεκριμένα χαρακτηριστικά του σήματος συνδέονται με την κλινική τους ερμηνεία.
Στη συνέχεια αξιολογήθηκε σε ανεξάρτητη βάση δεδομένων, η οποία περιλάμβανε περισσότερα από 800.000 ηλεκτροκαρδιογραφήματα από πάνω από 161.000 ασθενείς. Η εξωτερική αυτή δοκιμή είναι σημαντική, καθώς εξετάζει εάν ένα σύστημα μπορεί να λειτουργήσει και πέρα από το νοσοκομειακό περιβάλλον στο οποίο δημιουργήθηκε.
Τι κατάφερε να προβλέψει η AI;
Σύμφωνα με τα στοιχεία του Scripps Research, το ECG-CLIP ξεπέρασε τα μοντέλα σύγκρισης στην αναγνώριση οξέος εμφράγματος, καρδιακής αμυλοείδωσης και υπερτροφικής μυοκαρδιοπάθειας. Εντόπισε επίσης ποιοι άνθρωποι με φυσιολογικό ρυθμό είχαν μεγαλύτερη πιθανότητα να εμφανίσουν μελλοντικά κολπική μαρμαρυγή.
Το πιο απρόσμενο εύρημα αφορούσε κινδύνους πέρα από την καρδιά. Από το ΗΚΓ, το μοντέλο εκτίμησε την πιθανότητα θανάτου εντός 30 ημερών μετά από επίσκεψη στα επείγοντα ή χειρουργική επέμβαση, καθώς και τον κίνδυνο εμφάνισης χρόνιας νεφρικής νόσου και διαβήτη τύπου 2 μέσα σε μία τριετία.
Κατά μέσο όρο, πέτυχε αντίστοιχη επίδοση με το αμέσως καλύτερο μοντέλο χρησιμοποιώντας περίπου 91% λιγότερα δεδομένα που είχαν ελεγχθεί και επισημανθεί από ειδικούς. Διατήρησε, μάλιστα, το προβάδισμά του ακόμη και όταν είχε στη διάθεσή του μόλις δέκα επιβεβαιωμένα περιστατικά μιας νόσου, κάτι που θα μπορούσε να αποδειχθεί χρήσιμο στη μελέτη σπάνιων παθήσεων.
Ένδειξη κινδύνου, όχι διάγνωση
Παρά την αποδοτικότητά του, οι ερευνητές σημειώνουν ότι πρόκειται για προβλέψεις ενός ερευνητικού μοντέλου, οι οποίες χρειάζονται επιβεβαίωση σε κλινικές δοκιμές, διαφορετικούς πληθυσμούς και περισσότερα νοσοκομεία.
Δεν αντικαθιστά επομένως τις αιματολογικές εξετάσεις ούτε την ιατρική αξιολόγηση. Δείχνει, ωστόσο, ότι μια οικεία και ευρέως διαθέσιμη εξέταση ίσως μπορεί μελλοντικά να προσφέρει μία επιπλέον, έγκαιρη προειδοποιητική ένδειξη για την υγεία μας.