ICNC2019 Ризик інфаркту міокарда або смерті у пацієнтів із стенокардією може бути визначений
LogitBoost, алгоритм, заснований на штучному інтелекті, з точністю понад 90% обчислює ризик інфаркту міокарда або смерті пацієнтів із стенокардією. Згідно з дослідженням, представленим на # ICNC2019, результати, отримані програмним забезпеченням, а також точність аналізу даних значно перевищили результати лікарів.
Алгоритм був підготовлений з 85 змінними, включаючи наявність коронарних бляшок, звуження судин, кровотік, вік, стать тощо. Він аналізував їх неодноразово, поки не зміг визначити певні закономірності, за якими співвідносити змінні з ризиком інфаркту міокарда або смерті.
"Ці технологічні досягнення на сьогоднішній день є найкращим у медицині. Незважаючи на те, що ми маємо всі дані, ми все ще не використовуємо їх у повному обсязі », - говорить автор дослідження Доктор Луїс Едуардо Хуарес-Ороско, Центр ПЕТ Турку, Фінляндія.
Зазвичай лікарі використовують оцінки ризику приймати рішення щодо вибору різних видів лікування. Однак ці оцінки базуються лише на кількох змінних і найчастіше мають низьку точність серед пацієнтів. Шляхом повторення та коригування штучний інтелект може використовувати величезні обсяги даних, виявляючи багато складних закономірностей, які важко спостерігати для людей.
Проведення дослідження
У дослідженні взяли участь 950 пацієнтів із стенокардією, які пройшли звичайний протокол центру, до якого вони належали, виконуючи всі тести для виявлення ІХС.
«Лікарі вже збирають багато інформації від пацієнтів. Ми виявили, що машинне навчання може інтегрувати ці дані та може точно передбачити індивідуальний ризик кожного з них. Таким чином ми зможемо персоналізувати лікування та отримати кращі результати для пацієнтів "- продовжує Доктор Хуарес-Ороско.
Після коронарографії вони були ідентифіковані 58 змінних для підтвердження наявності коронарного нальоту, звуження судин та кальцифікації їх стінок. Пацієнтів, результати візуалізації яких вказували на наявність цих факторів, направляли на обстеження ПЕТ (позитронно-емісійна томографія). В результаті вони були отримані 17 змінних, що стосуються кровотоку.
Ще 10 клінічних змінних, таких як куріння, вік, стать, діабет, були отримані з медичної картки учасників.
Через 6 років подальшого спостереження вони були записані 24 інфаркти міокарда і 49 смертей. 85 змінних було введено в алгоритм LogitBoost, який аналізував їх неодноразово, поки не знайшов найкращий спосіб передбачити, у кого з учасників стався серцевий напад, а хто помер.
Машинне навчання, яке вважається наріжним каменем штучного інтелекту, використовується щодня у переважній більшості застосованих нами програм. З точки зору його наслідків для медицини, протягом багатьох років було розроблено ряд алгоритмів для збільшення та впорядкування досвіду лікарів та пацієнтів.