Deep -Lern -Algorithmus verwendet Mammogramme und Alter für die Vorhersage von Herzerkrankungen

Ein neues maschinelles Lernenmodell, das vom George Institute for Global Health entwickelt wurde, kann durch Analyse von Mammogrammen erfolgreich das Risiko für das Herzerkrankungen bei Frauen vorhersagen. Die Ergebnisse wurden heute in veröffentlicht Herz, Das offizielle Journal der British Cardiovascular Society.

Dies ist in Zusammenarbeit mit der University of New South Wales und der University of Sydney entwickelt und ist der erste Deep -Learning -Algorithmus, der nur auf mammografischen Merkmalen und auf Altersmerkmalen basiert, die wichtige Herzereignisse mit vergleichbarer Genauigkeit für herkömmliche kardiovaskuläre Risikorechner vorherzusagen.

Associate Professor Clare Arnott, globaler Direktor des kardiovaskulären Programms am George Institute, sagte, dass neue Wege zur Identifizierung von Frauen mit dem Risiko von Herz -Kreislauf -Erkrankungen (CVD) erforderlich seien, da viele Frauen in der Gemeinde keinen Zugang zu CV -Risiko -Screening in der Gemeinde haben.

„Es ist ein häufiges Missverständnis, dass CVD überwiegend Männer betrifft, was zu einer Unterdiagnose und einer Unterbehandlung der Erkrankung bei Frauen führt. Durch die Integration von CV -Risiko -Screening mit Brust -Screening durch die Verwendung von Mammogrammen – etwas, mit dem viele Frauen bereits in einem Stadium des Lebens in der Lebensdauer eingehen.

Das Modell wurde unter Verwendung von routinemäßigen Mammogrammen von über 49.000 Frauen in Metropolen und ländlichen Gebieten von Victoria, Australien, im Zusammenhang mit individuellen Krankenhaus- und Sterbeakten entworfen und validiert. Die Forscher verglichen dann das Modell mit herkömmlichen Modellen, die mehrere Datenpunkte erfordern, die auf bekannten CV -Risikofaktoren wie Blutdruck und Cholesterin basieren.

„Wir haben festgestellt, dass unser Modell genauso gut funktioniert hat, ohne dass umfangreiche klinische und medizinische Daten erforderlich sind“, sagte A/Prof. Arnott.

Frühere Untersuchungen konzentrierten sich auf bestimmte mammografische Merkmale wie die Brustarterienverkalkung (BAC), die in einigen Populationen mit dem kardiovaskulären Risiko in Verbindung gebracht wurde. Wenn man sich allein auf BAC stützt, ist dies jedoch Einschränkungen. Beispielsweise ist BAC weniger genau bei der Vorhersage des CVD -Risikos bei älteren Frauen.

Unser Modell ist das erste, das eine Reihe von Merkmalen aus mammografischen Bildern verwendet, die einfach mit dem Alter kombiniert wurden. Ein wesentlicher Vorteil dieses Ansatzes besteht darin, dass keine zusätzliche Vorgeschichte oder medizinische Aufzeichnungsdaten erforderlich sind, was es weniger ressourcenintensiv macht, um zu implementieren, aber dennoch hoch genau. „

Clare Arnott, globaler Direktor, kardiovaskuläres Programm, The George Institute

Global ist Herz -Kreislauf -Erkrankungen die häufigste Ursache für die Sterblichkeit bei Frauen, die jährlich rund 9 Millionen Todesfälle oder etwa ein Drittel aller Todesfälle bei Frauen entsprechen. Trotz der hohen Krankheitslast haben mehrere Studien international gezeigt, dass Symptome und Risikofaktoren für Herz-Kreislauf-Erkrankungen bei Frauen unter überträglich sind, was zu weniger diagnostischen Tests, speziellen Überweisungen und Vorschriften bei Frauen im Vergleich zu Männern führt.

Umgekehrt haben Mammographie-basierte Screening-Programme Frauen in einigen Ländern sehr effektiv engagiert, wobei mehr als 67% der Frauen in den USA und das Vereinigte Königreich an der Screening-Mammographie teilnehmen.

Dr. Jennifer Barraclough, Research Fellow am George Institute, sagte, dass ein bestehendes Risiko -Screening -Prozess, der bereits von Frauen weit verbreitet ist, als kardiovaskuläres Risiko -Vorhersagewerkzeug für Frauen in verschiedenen Gemeinden in ganz Australien und auf der ganzen Welt dienen könnte.

„Wir hoffen, dass diese Technologie eines Tages einen besseren und gerechteren Zugang zu Screening in ländlichen Gebieten bietet, da viele Frauen bereits kostenlos von mobilen Mammographieeinheiten profitieren“, sagte sie.

„Wir haben das Potenzial dieses innovativen neuen Screening -Tools gezeigt. Wir freuen uns nun darauf, das Modell auf zusätzliche, vielfältige Bevölkerungsgruppen zu testen und potenzielle Hindernisse für seine Umsetzung zu verstehen.“

Quellen: