Ενα μοντέλο τεχνητής νοημοσύνης (AI) απέδωσε εντυπωσιακά καλύτερα από τους γιατρούς που χρησιμοποιούν τις πιο πρόσφατες κλινικές κατευθυντήριες οδηγίες στην πρόβλεψη του κινδύνου αιφνίδιας καρδιακής ανακοπής σε άτομα με υπερτροφική μυοκαρδιοπάθεια.
Το μοντέλο, που ονομάζεται Multimodal AI for Arrhythmia Risk Stratification (MAARS), περιγράφεται σε μελέτη που δημοσιεύθηκε στο περιοδικό Nature Cardiovascular Research. Προβλέπει τον κίνδυνο των ασθενών αναλύοντας ποικιλία ιατρικών δεδομένων, όπως υπερηχοκαρδιογραφήματα και ακτινολογικά πορίσματα, καθώς και όλες τις πληροφορίες που περιέχονται σε μαγνητικές τομογραφίες καρδιάς με σκιαγραφικό.
Η υπερτροφική μυοκαρδιοπάθεια είναι μία από τις πιο συχνές κληρονομικές καρδιοπάθειες – επηρεάζοντας 1 στους 200-500 ανθρώπους παγκοσμίως – και αποτελεί κύρια αιτία αιφνίδιου καρδιακού θανάτου σε νέους και αθλητές. Εντούτοις ο ατομικός κίνδυνος παραμένει δύσκολο να προβλεφθεί πλήρως αφού με βάση τις τρέχουσες κατευθυντήριες οδηγίες Ευρώπης και Αμερικής μόνο το 50% αυτών που τελικά θα υποστούν καρδιακή ανακοπή μπορούν εγκαίρως να αναγνωριστούν. Σε σύγκριση με τις κατευθυντήριες οδηγίες αυτές, το MAARS ήταν σχεδόν διπλάσιας ευαισθησίας, με 89% ακρίβεια συνολικά και 93% ακρίβεια στην ηλικιακή ομάδα 40-60 ετών, η οποία φέρει τον υψηλότερο κίνδυνο αιφνίδιου καρδιακού θανάτου λόγω υπερτροφικής μυοκαρδιοπάθειας.
Το μοντέλο χρησιμοποιεί όλα τα διαθέσιμα δεδομένα από ηλεκτρονικούς ιατρικούς φακέλους, ηλεκτροκαρδιογραφήματα, υπερηχογραφήματα, καθώς και ακατέργαστα δεδομένα από μαγνητικές τομογραφίες. Η βελτιωμένη πρόβλεψη του κινδύνου θα βοηθήσει στη βελτίωση της φροντίδας, διασφαλίζοντας ότι οι ασθενείς λαμβάνουν τις κατάλληλες θεραπείες και αποφεύγουν περιττές παρεμβάσεις.
Η πιο αποτελεσματική μέθοδος πρόληψης της αιφνίδιας καρδιακής ανακοπής είναι ο εμφυτεύσιμος απινιδωτής (ICD). Η πιο ακριβής πρόβλεψη σημαίνει λιγότερες περιττές εμφυτεύσεις ICD, που μπορεί να προκαλέσουν λοιμώξεις, δυσλειτουργίες της συσκευής ή απρόσφορες εκκενώσεις. Επιπλέον, το μοντέλο μπορεί να βοηθήσει στην εξατομίκευση της θεραπείας: Μπορεί να αναλύσει κάθε ασθενή ξεχωριστά και να αναδείξει ποιες παράμετροι είναι πιο σημαντικές για τη διαχείριση της πάθησης. Ωστόσο, δεν είναι ακόμη έτοιμο για ευρεία κλινική εφαρμογή αφού απαιτείται περαιτέρω επικύρωσή του σε μεγαλύτερους πληθυσμούς και αξιολόγηση σε μακροχρόνιες παρακολουθήσεις πριν από την πλήρη κλινική ενσωμάτωσή του.
Ο Κώστας Τσιούφης είναι καθηγητής Καρδιολογίας ΕΚΠΑ – Α’ Πανεπιστημιακή Καρδιολογική Κλινική στο Ιπποκράτειο Νοσοκομείο Αθηνών
Πηγή: tanea.gr
