Un sistem de scor AI explicabil prezice sângerările interne periculoase după infarcturi miocardice severe
Cercetătorii de la Indiana University School of Medicine au dezvoltat și testat un sistem de scor în șase puncte care poate ajuta la identificarea pacienților cu risc ridicat de sângerări interne în mușchiul cardiac afectat după un infarct miocardic sever, folosind inteligența artificială explicabilă (XAI).
Deosebit de modelele standard de inteligență artificială care nu arată cum se ajunge la concluzii, XAI permite medicilor să identifice și să analizeze factorii clinici care stau la baza predicției.
Rezultatele studiului au fost publicate în JACC: Advances și au fost conduse de cercetători de la Medical Imaging Research Institute Cardiovascular Imaging Research Center de la IU School of Medicine.
Sângerarea intramiocardică (IMH) este o complicație potențial letală a unui infarct miocardic care poate apărea după ce medicii restabilesc fluxul sanguin printr-o arteră blocată. IMH, cea mai gravă formă de leziune a mușchiului cardiac, afectează aproximativ 40% dintre pacienții tratați pentru infarct miocardic cu elevare ST, sau STEMI, un tip sever de infarct miocardic, și crește riscul de insuficiență cardiacă și deces.
Sistemul de scor este destinat cardiologilor intervenționiști pentru a fi utilizat în laboratoarele de cateterism cardiac (CATH) înainte de a deschide artera blocată a unui pacient.
Studiul a arătat că sistemul de scor poate prezice cu acuratețe IMH folosind informații clinice deja disponibile în timpul cateterizării cardiace, la patul pacientului. De asemenea, cercetătorii au fost primii care au aplicat cu succes utilizarea medicală a unui instrument AI trasabil, numit Rețele Neuronale Superpozabile (SNN). Scorul utilizează trei măsurători obținute în laboratorul de cateterism dintr-o electrocardiogramă și angiografie. Cercetătorii au transformat modelul într-un scor în șase puncte. Un scor de 4 sau mai mare este clasificat ca având un risc ridicat de IMH, în timp ce cei cu un scor de 3 sau mai mic sunt considerați cu risc scăzut.
„Semnificația acestei lucrări este că inteligența artificială explicabilă nu face doar o predicție; arată raționamentul din spatele predicției, fără a fi nevoie să aștepți un RMN cardiac pentru a diagnostica IMH”, a spus Khalid Youssef. „Este un scor practic, interpretabil, care poate fi calculat înainte de revascularizare folosind date deja disponibile în laboratorul CATH.”
În prezent, un RMN cardiac specializat, cunoscut sub numele de T2*, este metoda standard pentru detectarea IMH. Totuși, scanarea este adesea efectuată la 48 până la 72 de ore după ce artera coronariană blocată a fost deschisă. Până atunci, o leziune a mușchiului cardiac ar fi putut apărea deja, crescând riscul de IMH sau deces.
Noul sistem de scor oferă o abordare proactivă prin estimarea riscului unui pacient înainte de restabilirea fluxului sanguin. Nu este destinat să întârzie tratamentul sau să înlocuiască judecata medicului. În schimb, scorul oferă cardiologilor intervenționiști o modalitate de a evalua riscul și de a ajusta rapid îngrijirea.
„Valoarea centrală a acestei lucrări este că inteligența artificială explicabilă poate fi precisă, interpretabilă și utilizabilă clinic”, a afirmat Keyur Vora. „Identificarea pacienților cu risc ridicat de leziuni severe ale mușchiului cardiac oferă cardiologilor clinici claritatea necesară pentru a adapta proactiv terapiile și a îmbunătăți rezultatele pe termen lung.”
RMN-ul cardiac a identificat IMH în 142 din cei 288 de pacienți cu infarct miocardic incluși în studiu. Modelul a avut o acuratețe de peste 84% în identificarea pacienților cu risc înainte ca fluxul sanguin să fie restabilit. Cercetătorii au afirmat că rezultatele demonstrează că abordarea este fezabilă și prezintă o performanță inițială puternică. Studii mai ample, în curs de dezvoltare, vor fi utilizate pentru a confirma constatările și a determina cum ar putea ghida scorul deciziile clinice pentru a îmbunătăți rezultatele pacienților.
Cercetătorii au spus că scorul ar putea ajuta în cele din urmă clinicienii să evalueze riscul în timp real în timpul angiografiei de urgență, când furnizorii verifică blocajele din arterele cardiace, sau ar putea ajuta la identificarea pacienților care necesită o monitorizare mai atentă după deschiderea unei artere blocate. De asemenea, scorul ar putea ajuta medicii să decidă care pacienți au nevoie de un RMN cardiac și care ar putea fi eligibili pentru a participa la un studiu clinic destinat reducerii leziunilor provocate de IMH.
Abordarea XAI ar putea fi adaptată potențial și pentru alte domenii unde atât acuratețea, cât și încrederea sunt esențiale, inclusiv în îngrijirea critică, oncologie, neurologie, imagistică medicală și proiectarea studiilor clinice.
„Aceasta este inteligența artificială de care avem nevoie pentru date precise, interpretabile și utilizabile la punctul de îngrijire”, a declarat Ankur Kalra. „Metoda SNN permite intervenționiștilor să vadă exact care sunt factorii care determină predicția, mai degrabă decât să fie rugați să aibă încredere într-o cutie neagră.”
Studiul a implicat o echipă de cercetare multidisciplinară formată din cinci universități, cu o gamă variată de expertiză.
„Studiul nostru a necesitat o echipă multidisciplinară profund colaborativă, deoarece a inclus medicina cardiovasculară, imagistica avansată și inteligența artificială – precum și expertiza în intervenția de urgență practică”, a afirmat Rohan Dharmakumar. „Colaboratorii din cardiologia intervenționistă au adus expertiza clinică și procedurală necesară pentru a identifica care variabile sunt disponibile înainte de reperfuzie și care variabile ar fi semnificative într-un flux de lucru real în laboratorul CATH.”
Colaboratorii au inclus Cardiovascular Imaging Research Center și Krannert Cardiovascular Research Center de la IU School of Medicine; University of Toledo College of Medicine and Life Sciences; Northern Ontario School of Medicine University; Cleveland Clinic; și State University of New York Upstate Medical University.
