Η καρδιά μας μπορεί να αποκαλύψει πολλά περισσότερα απ’ όσα φανταζόμαστε. Ακόμη και μικρές αλλαγές στο μέγεθος ή στη λειτουργία της ενδέχεται να προσφέρουν πολύτιμες πληροφορίες για τη μελλοντική υγεία μας. Το ζητούμενο είναι να μπορούμε να τις εντοπίζουμε έγκαιρα και με ακρίβεια. Μια νέα μελέτη, που δημοσιεύθηκε στο επιστημονικό περιοδικό Nature Cardiovascular Research, φέρνει την επιστήμη ένα βήμα πιο κοντά σε αυτή τη δυνατότητα. Ερευνητές ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να αναλύει εικόνες από υπερηχογράφημα καρδιάς και να αξιολογεί χαρακτηριστικά που σχετίζονται με τον κίνδυνο εμφάνισης σοβαρών καρδιαγγειακών προβλημάτων.
Καρδιά: Τι μπορεί να αποκαλύψει ένας υπέρηχος;
Το υπερηχογράφημα καρδιάς, γνωστό και ως ηχοκαρδιογράφημα ή triplex καρδιάς, είναι μια ευρέως χρησιμοποιούμενη, μη επεμβατική εξέταση που επιτρέπει στους γιατρούς να παρακολουθούν τη δομή και τη λειτουργία της καρδιάς.
Ωστόσο, ορισμένα σημεία της είναι δυσκολότερο να αξιολογηθούν με ακρίβεια. Ένα από αυτά είναι η δεξιά κοιλία, δηλαδή το τμήμα της καρδιάς που στέλνει το αίμα προς τους πνεύμονες για να οξυγονωθεί.
Το ιδιαίτερο σχήμα και η θέση της καθιστούν πιο απαιτητική την εκτίμηση του μεγέθους και της λειτουργίας της με τις συνηθισμένες υπερηχογραφικές εικόνες.
Κι όμως, οι πληροφορίες αυτές είναι σημαντικές. Η διόγκωση της δεξιάς κοιλίας ή η μειωμένη ικανότητά της να αντλεί αίμα μπορεί να σχετίζονται με καρδιακές και πνευμονικές παθήσεις, αλλά και με αυξημένο κίνδυνο επιπλοκών.
Πώς μπήκε η τεχνητή νοημοσύνη στην εξίσωση…;
Για να αντιμετωπίσουν αυτή τη δυσκολία, επιστήμονες από το Mass General Brigham και το Broad Institute ανέπτυξαν ένα σύστημα βαθιάς μάθησης με την ονομασία DROID-RV. Το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας περισσότερα από 383.000 βίντεο υπερηχογραφημάτων από περίπου 17.000 ασθενείς. Στη συνέχεια, οι ερευνητές αξιολόγησαν την απόδοσή του σε περισσότερους από 9.100 ασθενείς πρωτοβάθμιας φροντίδας, καθώς και σε ένα ανεξάρτητο σύνολο 831 ασθενών από νοσοκομείο της Ουγγαρίας.
Τα αποτελέσματα ήταν ενθαρρυντικά.
Το σύστημα κατάφερε να εκτιμήσει τη διάμετρο της δεξιάς κοιλίας με μέσο σφάλμα περίπου τριών χιλιοστών, ενώ μπορούσε επίσης να αναγνωρίζει με υψηλή ακρίβεια περιπτώσεις μειωμένης λειτουργίας της.
Με άλλα λόγια, η τεχνητή νοημοσύνη φάνηκε ικανή να αντλεί σημαντικές πληροφορίες από μια εξέταση που πραγματοποιείται ήδη καθημερινά σε καρδιολογικά ιατρεία και νοσοκομεία.
Καρδιά: Η σύνδεση με μελλοντικά προβλήματα υγείας
Το πιο ενδιαφέρον εύρημα της μελέτης δεν περιορίστηκε στην ακρίβεια των μετρήσεων.
Οι επιστήμονες διαπίστωσαν ότι οι εκτιμήσεις του συστήματος για το μέγεθος και τη λειτουργία της δεξιάς κοιλίας συνδέονταν με μελλοντικά προβλήματα υγείας, όπως η καρδιακή ανεπάρκεια και η κολπική μαρμαρυγή, μια συχνή διαταραχή του καρδιακού ρυθμού.
Επιπλέον, οι ασθενείς στους οποίους το μοντέλο εντόπιζε διογκωμένη δεξιά κοιλία εμφάνιζαν περίπου διπλάσιο κίνδυνο θανάτου μέσα στα επόμενα πέντε χρόνια, συγκριτικά με όσους είχαν φυσιολογικό μέγεθος δεξιάς κοιλίας σύμφωνα με τις εκτιμήσεις του.
Η συσχέτιση παρέμεινε ακόμη και όταν οι ερευνητές έλαβαν υπόψη παράγοντες όπως η ηλικία, το φύλο και η λειτουργία της αριστερής κοιλίας.
Αυτό δεν σημαίνει ότι η τεχνητή νοημοσύνη μπορεί να προβλέψει με βεβαιότητα ποιος θα εμφανίσει μια καρδιαγγειακή πάθηση. Δείχνει, όμως, ότι ορισμένα χαρακτηριστικά που εντοπίζονται στο υπερηχογράφημα μπορεί να βοηθήσουν στην καλύτερη εκτίμηση του κινδύνου.
Θα μπορούσε να αλλάξει τον καρδιολογικό έλεγχο;
Οι ερευνητές εκτιμούν ότι τέτοιου είδους εργαλεία θα μπορούσαν μελλοντικά να υποστηρίζουν τους καρδιολόγους στην καθημερινή κλινική πράξη.
Για παράδειγμα, ένα σύστημα τεχνητής νοημοσύνης θα μπορούσε να πραγματοποιεί προκαταρκτικές μετρήσεις, να επισημαίνει εξετάσεις που χρειάζονται προσεκτικότερη αξιολόγηση και να βοηθά στον εντοπισμό ασθενών που ενδέχεται να ωφεληθούν από περαιτέρω έλεγχο.
Σε ορισμένες περιπτώσεις, αυτός ο έλεγχος μπορεί να περιλαμβάνει μαγνητική τομογραφία καρδιάς, η οποία προσφέρει λεπτομερέστερη εκτίμηση της δεξιάς κοιλίας, αλλά είναι πιο δαπανηρή και λιγότερο διαθέσιμη.
Ωστόσο, το DROID-RV δεν αποτελεί ακόμη μέρος του καθιερωμένου καρδιολογικού ελέγχου. Χρειάζονται επιπλέον μελέτες για να επιβεβαιωθεί η αξιοπιστία του σε διαφορετικά νοσοκομεία, πληθυσμούς και συνθήκες απεικόνισης.
Ένα ακόμη βήμα προς την έγκαιρη πρόληψη
Η νέα μελέτη αναδεικνύει τις δυνατότητες της τεχνητής νοημοσύνης να αξιοποιεί καλύτερα πληροφορίες που ήδη διαθέτουμε, χωρίς απαραίτητα να απαιτούνται νέες ή πιο πολύπλοκες εξετάσεις.
Το ζητούμενο είναι να αποκτήσουν οι γιατροί ένα επιπλέον εργαλείο που θα τους βοηθά να αναγνωρίζουν εγκαίρως ασθενείς οι οποίοι χρειάζονται μεγαλύτερη προσοχή.
Αν τα ευρήματα επιβεβαιωθούν σε περαιτέρω έρευνες, ένας συνηθισμένος υπέρηχος καρδιάς θα μπορούσε στο μέλλον να προσφέρει ακόμη περισσότερες πληροφορίες για την καρδιαγγειακή μας υγεία, συμβάλλοντας στην πιο έγκαιρη και εξατομικευμένη φροντίδα.