Modelele AI îmbunătățesc acuratețea diagnosticării bolii coronariene

Modelele AI îmbunătățesc acuratețea diagnosticării bolii coronariene

Mai multe descoperiri recente arată că acuratețea diagnosticării bolii coronariene și a predicției riscului pacientului sunt îmbunătățite folosind modele de inteligență artificială (AI) dezvoltate de oamenii de știință din cadrul Diviziei de Inteligență Artificială în Medicină de la Cedars-Sinai.

Aceste progrese, conduse de Piotr Slomka, dr,Director de inovare în imagistică la Cedars-Sinai și cercetător de știință în Divizia de Inteligență Artificială în Medicină și Institutul Inimii Smidt, facilitează detectarea și diagnosticarea uneia dintre cele mai comune și mortale boli de inimă.

Boala coronariană afectează arterele care furnizează sânge mușchiului inimii. Dacă este lăsată netratată, poate duce la un atac de cord sau alte complicații, cum ar fi aritmii cardiace sau insuficiență cardiacă.

Afecțiunea, care afectează aproximativ 16,3 milioane de americani cu vârsta peste 20 de ani, este de obicei diagnosticată folosind tomografia computerizată cu emisie de fotoni unici (SPECT) și tomografie computerizată (CT). Cu toate acestea, imaginile produse prin scanare nu sunt întotdeauna ușor de citit.

„Continuăm să arătăm că AI poate îmbunătăți calitatea imaginilor și poate dezvălui mai multe informații, conducând la diagnostice mai precise ale bolii”, a spus Slomka, care este, de asemenea, profesor de medicină și cardiologie și autor principal a trei studii publicate recent, folosind AI pentru a îmbunătăți imagistica cardiacă.

Utilizarea AI pentru a îmbunătăți imagistica cardiacă

Primul studiu, publicat în Journal of Nuclear Medicine, folosește tehnologia AI pentru imagistica cardiacă, ajutând la îmbunătățirea acurateței diagnosticului imagistică SPECT pentru boala coronariană prin corecții avansate ale imaginii.

Corecția atenuării este importantă în imagistica SPECT, ajutând la reducerea artefactelor din imaginile cardiace și făcându-le mai ușor de citit și mai precise. Cu toate acestea, necesită o scanare CT suplimentară și aparate hibride scumpe SPECT/CT, care sunt în esență două scanere într-unul.

În timp ce corectarea atenuării CT s-a dovedit că îmbunătățește diagnosticul bolii coronariene, în prezent este efectuată doar pe o minoritate de scanări datorită timpului suplimentar de scanare, radiațiilor și disponibilității limitate a acestei tehnologii costisitoare.

Pentru a depăși aceste obstacole, Slomka și echipa sa au dezvoltat un model de învățare profundă numit DeepAC pentru a genera imagini SPECT corectate fără a fi nevoie de scanere hibride costisitoare. Aceste imagini sunt generate prin tehnici AI similare cu cele folosite pentru a genera videoclipuri „deep fake” și pot simula imagini de înaltă calitate obținute de la scanere hibride SPECT/CT.

Echipa a comparat acuratețea diagnosticului bolii coronariene cu imaginile SPECT necorectate utilizate în majoritatea locurilor astăzi, imagini hibride avansate SPECT/CT și imagini noi corectate prin AI în date nevăzute de la centre care nu au fost niciodată folosite în antrenamentul DeepAC.

Ei au descoperit că AI a creat imagini aproape de aceeași calitate și a permis o acuratețe de diagnosticare similară cu cele obținute cu scanere mai scumpe.

Acest model AI a fost capabil să genereze imagini DeepAC în fracțiuni de secundă pe software-ul de calculator standard și ar putea fi implementat cu ușurință în fluxurile de lucru clinice ca pas automat de preprocesare.”

dr. Piotr Slomka,Director de Inovare în Imagini, Cedars-Sinai

Predicția evenimentelor cardiace adverse majore

În cel de-al doilea studiu, publicat în Journal of American College of Cardiology: Cardiovascular Imaging, echipa a arătat că deep learning AI face posibilă prezicerea evenimentelor cardiace adverse majore, cum ar fi moartea și atacul de cord, direct din imaginile SPECT.

Anchetatorii au instruit modelul AI folosind o bază de date multinațională mare care a inclus cinci locații diferite cu peste 20.000 de scanări ale pacienților. Conținea imagini care descriu perfuzia și mișcarea cardiacă pentru fiecare pacient.

Modelul AI oferă explicații vizuale pentru medici și evidențiază imaginile cu regiunile care contribuie la un risc ridicat de evenimente adverse.

Echipa a testat apoi modelul AI în două locații diferite, cu peste 9.000 de scanări. Ei au descoperit că modelul de învățare profundă a prezis riscul pacientului mai precis decât programele software utilizate în prezent în clinică.

„În primul studiu, am reușit să arătăm că corecțiile importante ale imaginii pot fi efectuate cu AI fără scanere scumpe”, spune Slomka. „În al doilea rând, arătăm că imaginile existente pot fi folosite mai bine - folosind imagini pentru a prezice riscul pacientului de atac de cord sau deces și evidențiind caracteristicile cardiace care indică acest risc - pentru a informa mai bine medicii despre boala coronariană.

„Aceste rezultate reprezintă o dovadă de principiu pentru modul în care AI poate îmbunătăți diagnosticul clinic”, a spus Sumeet Chugh, MD, director al Diviziei de Inteligență Artificială în Medicină. „Îmbunătățirile bazate pe IA la imagistica SPECT au potențialul de a îmbunătăți acuratețea diagnosticării bolii coronariene, fiind efectuate în același timp semnificativ mai rapid și mai ieftin decât standardele actuale.”

Reducerea părtinirii modelelor AI

Al treilea studiu, publicat în Jurnalul European de Medicină Nucleară și Imagistica Moleculară, descrie modul în care un sistem AI poate fi antrenat să funcționeze bine în toate populațiile aplicabile - nu doar populația pentru care a fost antrenat sistemul.

Unele sisteme AI sunt instruite pe populații de pacienți cu risc ridicat, ceea ce poate determina sistemele să supraestimeze probabilitatea bolii. Pentru a se asigura că modelul AI funcționează cu acuratețe pentru toți pacienții și reduce părtinirea, Slomka și echipa sa au instruit sistemul AI cu variații simulate ale pacienților. Acest proces, numit creșterea datelor, ajută la o mai bună reflectare a mixului de pacienți care urmează să fie supuși testelor imagistice.

Ei au descoperit că modelele antrenate cu un amestec echilibrat de pacienți au prezis cu mai multă acuratețe probabilitatea bolii coronariene la femei și la pacienții cu risc scăzut, ceea ce poate duce la teste mai puțin invazive și la un diagnostic mai precis la femei.

De asemenea, modelele au dus la mai puține rezultate fals pozitive, ceea ce sugerează că sistemul poate fi capabil să reducă numărul de teste la care pacientul este supus pentru a exclude boala.

„Rezultatele sugerează că îmbunătățirea datelor de antrenament este esențială pentru a ne asigura că predicțiile AI reflectă mai bine populația căreia sunt aplicate în viitor”, a spus Slomka.

Cercetătorii evaluează acum aceste noi abordări AI la Cedars-Sinai și explorează modul în care ar putea fi integrate în software-ul clinic și utilizate în îngrijirea standard a pacienților.

Cercetarea a fost susținută parțial de Institutul Național pentru Inimă, Plămân și Sânge.

Sursă:

Cedri Sinai

Referinţă:

Shanbhag, AD, et al. (2022) Corecția atenuării bazată pe învățarea profundă îmbunătățește acuratețea diagnosticului SPECT cardiac. Jurnalul de Medicină Nucleară. doi.org/10.2967/jnumed.122.264429.

.