Το AI μπορεί να προβλέψει στις μαστογραφίες σοβαρές καρδιακές παθήσεις

Ο κίνδυνος σοβαρής ή θανατηφόρας καρδιακής νόσου μπορεί να προβλεφθεί με ανάλυση Τεχνητής Νοημοσύνης στις μαστογραφίες, σύμφωνα με έρευνα που δημοσιεύθηκε στο «European Heart Journal».

Η μελέτη δείχνει ότι η Τεχνητή Νοημοσύνη μπορεί να αξιολογήσει στις μαστογραφίες τη συσσώρευση ασβεστίου στις αρτηρίες του μαστού. Αυτή η ασβεστοποίηση των αρτηριών συνδέεται στενά με αυξημένο κίνδυνο εμφράγματος, εγκεφαλικού επεισοδίου και θανάτου.

Στη μελέτη συμμετείχαν 123.762 γυναίκες που είχαν υποβληθεί σε προληπτικό έλεγχο μαστού και δεν είχαν γνωστό ιστορικό καρδιαγγειακής νόσου. Οι ερευνητές χρησιμοποίησαν Τεχνητή Νοημοσύνη για να αναλύσουν την ποσότητα ασβεστίου που είχε συσσωρευτεί στις αρτηρίες του μαστού. Αυτή η ποσότητα κατηγοριοποιήθηκε ως σοβαρή, μέτρια, ήπια ή ανύπαρκτη.

Οι επιστήμονες συνέκριναν αυτά τα δεδομένα με το αν οι γυναίκες εμφάνισαν στη συνέχεια σοβαρή καρδιαγγειακή νόσο, όπως εγκεφαλικό επεισόδιο, έμφραγμα ή θάνατο από καρδιαγγειακά αίτια.

Όπως διαπίστωσαν, γυναίκες με ήπια ασβεστοποίηση είχαν περίπου 30% υψηλότερο κίνδυνο σοβαρής καρδιαγγειακής νόσου σε σύγκριση με όσες δεν είχαν ασβεστοποίηση. Οι γυναίκες με μέτρια ασβεστοποίηση είχαν πάνω από 70% αυξημένο κίνδυνο, ενώ σε γυναίκες με σοβαρή ασβεστοποίηση ο κίνδυνος ήταν δύο έως τρεις φορές υψηλότερος.

Αυτό το εύρημα ίσχυε ακόμη και για γυναίκες κάτω των 50 ετών, μία ομάδα που συχνά θεωρείται χαμηλού κινδύνου. Επίσης, παρέμενε ισχυρό ακόμη και όταν λαμβάνονταν υπόψη άλλοι παράγοντες κινδύνου, όπως ο διαβήτης και το κάπνισμα.

Οι ερευνητές, με επικεφαλής το Πανεπιστήμιο Emory στις ΗΠΑ, επισημαίνουν ότι αυτή η τεχνική θα μπορούσε να βοηθήσει στον εντοπισμό πολλών γυναικών που πάσχουν από αδιάγνωστη ή μη θεραπευμένη καρδιαγγειακή νόσο. Παράλληλα, τονίζουν ότι οι υπεύθυνοι χάραξης πολιτικής θα μπορούσαν να εξετάσουν την ενσωμάτωση αυτής της τεχνολογίας στα ήδη υπάρχοντα προγράμματα μαστογραφικού ελέγχου, φτάνοντας ενδεχομένως σε δεκάδες εκατομμύρια γυναίκες κάθε χρόνο χωρίς πρόσθετες υποδομές.

Τα κύρια βήματα που απαιτούνται, καταλήγουν οι ερευνητές, είναι η ενσωμάτωση του εργαλείου Τεχνητής Νοημοσύνης στις υπάρχουσες ροές απεικόνισης και η θέσπιση σαφών κατευθυντήριων γραμμών για την ενημέρωση γιατρών και ασθενών.

ΔΕΙΤΕ ΑΚΟΜΑ OpenAI: Αποκάλυψε 6 «ανησυχητικές» συμπεριφορές σε AI μοντέλα και θεσπίζει νέο πλαίσιο ελέγχου