Bolile de inimă și cancerul sunt principalele cauze de deces și se înțelege din ce în ce mai mult că acestea împărtășesc factori de risc comuni, inclusiv consumul de tutun, dieta, tensiunea arterială și obezitatea. Astfel, un instrument de diagnosticare care ar putea detecta bolile cardiovasculare în timp ce un pacient este deja testat pentru cancer, are potențialul de a accelera un diagnostic, de a accelera tratamentul și de a îmbunătăți rezultatele pacientului.

În cercetarea publicată în Nature Communications, o echipă de ingineri de la Rensselaer Polytechnic Institute și clinicieni de la Massachusetts General Hospital au dezvoltat un algoritm de învățare profundă care poate ajuta la evaluarea riscului unui pacient cu boli cardiovasculare, cu aceeași scanare cu tomografie computerizată (CT) cu doză mică, utilizată la depistarea cancerului pulmonar. Această abordare deschide calea pentru diagnostice mai eficiente, prețuri mai rentabile și radiații mai scăzute, fără a necesita ca pacienții să fie supuși unei a doua scanări CT.

„În această lucrare, demonstrăm o performanță foarte bună a unui algoritm de învățare profundă în identificarea pacienților cu boli cardiovasculare și prezicerea riscurilor de mortalitate ale acestora, ceea ce arată promițător în conversia screening-ului de cancer pulmonar cu doză mică CT într-un instrument de screening dublu”, a spus Pingkun Yan, profesor asistent de inginerie biomedicală și membru al Centrului pentru Biotehnologie și Studii Interdisciplinare (CBIS) de la Rensselaer.

Imaginile CT cu doze mici tind să aibă o calitate a imaginii mai mică și un zgomot mai mare, ceea ce face ca caracteristicile din cadrul imaginii să fie mai greu de văzut. Pentru a face posibil acest screening dublu, cercetătorii au depășit acest obstacol utilizând date de la National Lung Screening Trial (NLST). Yan și echipa sa au folosit date din peste 30.000 de imagini CT cu doze mici pentru a dezvolta, instrui și valida un algoritm de învățare profundă capabil să filtreze artefacte și zgomot nedorite și să extragă caracteristicile necesare diagnosticului. De asemenea, cercetătorii au validat algoritmul folosind încă 2.085 imagini NLST.

Echipa Rensselaer a colaborat, de asemenea, cu Spitalul General din Massachusetts, unde cercetătorii au putut testa această abordare de învățare profundă împotriva scanărilor de ultimă generație și a expertizei radiologilor spitalului. Algoritmul dezvoltat de Rensselaer s-a dovedit a fi extrem de eficient în analiza riscului de boli cardiovasculare la pacienții cu risc crescut care utilizează scanări CT cu doze mici și s-a dovedit a fi la fel de eficient ca și radiologii în analizarea acelor imagini. În plus, algoritmul a imitat îndeaproape performanța scanărilor CT cardiace dedicate, atunci când a fost testat pe un set de date independent, colectat de la 335 de pacienți de la Spitalul General din Massachusetts.

„Această cercetare inovatoare este un prim exemplu al modurilor în care bioimagistica și inteligența artificială pot fi combinate pentru a îmbunătăți și furniza îngrijirea pacientului cu o mai mare precizie și siguranță”, a declarat Deepak Vashishth, directorul CBIS.

 

 

Sursa: medicalxpress.com