mar172021
Inteligjenca artificiale zbulon QT-në e gjatë që nuk e zbulon dot elektrokardiogrami
Një elektrokardiogram me 12 derivacione, e mbështetur nga një algoritëm i inteligjencës artificiale që arrin të lexojë format e valëve, mund të identifikojë sindromën e QT-së së gjatë (LQTS) më mirë sesa një kardiolog me përvojë. Ky është rezultati i një studimi të botuar në "Jama Cardiology" dhe të koordinuar nga Michael Ackerman i Klinikës Mayo në Roçester, Minesota. "25-40% e njerëzve me LQTS, një sëmundje e lindur që prek një në dy mijë individë, pavarësisht se kanë vlera normale të QT-së së korrigjuar (QTC), kanë një rrezik të ulët, por ende të pranishëm për vdekje të papritur", shkruajnë autorët, duke shtuar se shumë vdekje ndodhin pas administrimit pa e ditur, të barnave që zgjasin QT-në.
"Pra, një test është në gjendje t'i zbulojë menjëherë këta individë para se t'iu nënshtrohen testeve të komplikuara gjenetike. Kjo zgjidhje jep mundësi për të vënë në veprim masa të thjeshta parandaluese, që mund të shpëtojnë jetën", vazhdon studiuesi, i cili së bashku me kolegët përdorën të dhënat e EKG-së me 12 derivacione, të kryer në periudhën 1999-2018 në 2,059 pacientë me LQTS të konfirmuar gjenetikisht (967 raste) dhe të dyshuar (1,092 raste). Autorët zhvilluan një rrjet nervor konvolucionar të shumështresëzuar duke e vënë në veprim atë në 60% të grupit, duke e konvaliduar në 10% dhe duke e testuar në 30 përqindëshin e mbetur.
"Rrjeti nervor konvolucionar i shumështresuar është një lloj inteligjence artificiale në të cilën lidhja mes neuroneve imiton organizimin e korteksit pamor të kafshës, te të cilët neuronet janë të rregulluara në shumë shtresa të lidhura", shpjegon Ackerman, duke deklaruar se inteligjenca artificiale ishte në gjendje të veçonte me sukses LQTS-në te pacientët nga pjesa tjetër e rasteve, duke tejkaluar ndjeshëm efikasitetin diagnostikues të EKG-së normale të bazuar në QTC. Në një editorial shoqërues, Geoffrey Tison i Universitetit të Kalifornisë në San Francisco shkruan: "Ky studim ndihmon për të demonstruar se si algoritmet e të mësuarit makinerik, të zbatuara në mënyrë korrekte, mund të përmirësojnë dobinë e EKG-së pa qenë nevoja për të qenë invazivë dhe pa kosto shtesë. Sidoqoftë, zbatueshmëria e elektrokardiografisë së bazuar në AI në praktikën e përditshme mjekësore do të varet kryesisht nga bashkëpunimi midis studiuesve dhe klinicistëve".
JAMA Cardiol. 2021. Doi: 10.1001/jamacardio.2020.7422
http://doi.org/10.1001/jamacardio.2020.7422
JAMA Cardiol. 2021. Doi: 10.1001/jamacardio.2020.7460
http://doi.org/10.1001/jamacardio.2020.7460