Technologia sztucznej inteligencji w mammografii może przewidywać choroby serca u kobiet

Technologia sztucznej inteligencji w mammografii może przewidywać choroby serca u kobiet

Jak wynika z badania zaprezentowanego na dorocznym spotkaniu naukowym American College of Cardiology (ACC.25), mammogramy mogą wykryć znacznie więcej niż tylko raka, wykorzystując modele sztucznej inteligencji (AI). Wyniki pokazują, jak te ważne narzędzia do badań przesiewowych w kierunku raka można również wykorzystać do oceny ilości wapnia gromadzącego się w tętnicach w tkance piersi – wskaźnika zdrowia układu sercowo-naczyniowego.

Amerykańskie Centrum Kontroli i Zapobiegania Chorobom zaleca, aby kobiety w średnim i starszym wieku poddawały się mammografii – prześwietleniu rentgenowskim piersi – co rok lub dwa lata w kierunku raka piersi. Każdego roku w Stanach Zjednoczonych wykonuje się około 40 milionów mammografii. Chociaż na uzyskanych obrazach widać zwapnienie tętnic sutkowych, radiolodzy zazwyczaj nie określają ilościowo tych informacji ani nie zgłaszają ich kobietom ani lekarzom. Nowe badanie, w którym wykorzystano technikę analizy obrazu AI, która nie była wcześniej stosowana w mammografii, pokazuje, w jaki sposób sztuczna inteligencja może pomóc wypełnić tę lukę, automatycznie analizując zwapnienie tętnicy sutkowej i przekładając wyniki na ocenę ryzyka sercowo-naczyniowego.

Widzimy szansę dla kobiet na badanie przesiewowe w kierunku raka, a także wykonywanie badań mammograficznych układu sercowo-naczyniowego. Nasze badanie wykazało, że zwapnienie tętnicy piersiowej jest dobrym prognostykiem chorób układu krążenia, szczególnie u pacjentów poniżej 60. roku życia. Jeśli uda nam się wcześnie przeprowadzić badania przesiewowe i zidentyfikować tych pacjentów, będziemy mogli skierować ich do kardiologa w celu dalszej oceny ryzyka. „

Theo Dapamede, lekarz medycyny, doktorant na Uniwersytecie Emory w Atlancie i główny autor badania

Choroby serca są główną przyczyną zgonów w Stanach Zjednoczonych, ale u kobiet są nadal niedodiagnozowane, a ponadto istnieje świadomość na ten temat. Naukowcy twierdzą, że wykorzystanie narzędzi do mammografii przesiewowej wykorzystujących sztuczną inteligencję może pomóc w identyfikacji większej liczby kobiet z wczesnymi objawami chorób układu krążenia dzięki lepszemu wykorzystaniu badań przesiewowych, którym wiele kobiet poddaje się rutynowo.

Nagromadzenie wapnia w naczyniach krwionośnych jest oznaką uszkodzenia układu krążenia związanego z chorobami serca lub wczesnym starzeniem się. Poprzednie badania wykazały, że kobiety z nagromadzeniem wapnia w tętnicach są o 51% bardziej narażone na ryzyko chorób serca i udaru mózgu.

Aby opracować narzędzie przesiewowe wykorzystywane w tym badaniu, badacze przeszkolili model sztucznej inteligencji głębokiego uczenia się w celu segmentacji zwapnionych naczyń na obrazach mammograficznych – które w promieniach rentgenowskich wyglądają jak jasne piksele – i obliczania przyszłego ryzyka zdarzeń sercowo-naczyniowych na podstawie danych z elektronicznej dokumentacji medycznej. Podejście segmentacyjne oddziela ten model od poprzednich modeli AI opracowanych w celu analizy zwapnień tętnicy sutkowej. Naukowcy stwierdzili, że model został również wzmocniony poprzez wykorzystanie dużego zbioru danych do celów szkoleniowych i testów, który obejmował zdjęcia i dokumentację medyczną ponad 56 000 pacjentek, które miały mammografię w Emory Healthcare w latach 2013–2020 i miały co najmniej pięć lat EHR.

„Postępy w zakresie głębokiego uczenia się i sztucznej inteligencji znacznie ułatwiły wydobywanie większej ilości informacji z obrazów i wykorzystywanie ich do oportunistycznych badań przesiewowych” – powiedział Dapamede.

Ogólne ustalenia wykazały, że nowy model dobrze radzi sobie z określaniem na obrazach mammograficznych ryzyka sercowo-naczyniowego u pacjentów jako niskie, umiarkowane lub ciężkie. Po obliczeniu ryzyka śmierci z jakiejkolwiek przyczyny lub ostrego zawału serca, udaru mózgu lub niewydolności serca po dwóch i pięciu latach model wykazał, że częstość występowania tych poważnych zdarzeń sercowo-naczyniowych wzrasta wraz ze stopniem zwapnienia tętnic piersi w dwóch z trzech ocenianych kategorii wiekowych – kobiety w wieku poniżej 60 lat i 60-80 lat, ale nie kobiety powyżej 80 roku życia. Dzięki temu narzędzie to szczególnie dobrze nadaje się do wczesnego ostrzegania o ryzyku chorób serca u młodszych kobiet, które mogą odnieść większe korzyści od wczesnych interwencji – twierdzą naukowcy.

Wyniki wykazały również, że kobiety z najwyższym poziomem zwapnienia tętnicy sutkowej (powyżej 40 mm2) charakteryzowały się istotnie niższym pięcioletnim przeżyciem wolnym od zdarzeń w porównaniu z kobietami z najniższym poziomem (poniżej 10 mm2). Na przykład 86,4% osób z najwyższym poziomem zwapnienia tętnicy piersiowej przeżyło pięć lat w porównaniu z 95,3% osób z najniższym poziomem zwapnienia. Powoduje to około 2,8 razy większe ryzyko zgonu w ciągu pięciu lat u pacjentek z ciężkim zwapnieniem tętnicy sutkowej w porównaniu z pacjentkami z niewielkim lub żadnym zwapnieniem tętnicy sutkowej.

Model sztucznej inteligencji został opracowany we współpracy pomiędzy Emory Healthcare i Mayo Clinic i nie jest obecnie dostępny. Naukowcy twierdzą, że jeśli przejdzie zewnętrzną weryfikację i uzyska zgodę amerykańskiej Agencji ds. Żywności i Leków, narzędzie może być dostępne na rynku dla innych systemów opieki zdrowotnej w celu włączenia go do rutynowego przetwarzania mammografii i opieki kontrolnej. Naukowcy planują również zbadać, w jaki sposób podobne modele sztucznej inteligencji można wykorzystać do oceny biomarkerów innych chorób, takich jak choroby tętnic obwodowych i choroby nerek, które można wyodrębnić z mammografii.

Źródła: