Kada vaš doktor sluša vaše srce kroz stetoskop, oni slušaju karakterističan lub-dub zvuk koji stvaraju srčani zalisci dok se otvaraju i zatvaraju, i napreže se da otkriju suptilne stiske i šumove koji nastaju kada zalisci cure, zaglavljuju se ili klize neumesno.
Međutim, telo je bučno mesto i lekarima je lako da propuste izdajnički zvuk valvularne bolesti srca usred kakofonije nabrijane krvi, kruljenja stomaka i šištavog daha.
AI je tu da pomogne. Umesto da se oslanjaju na pogrešne ljudske uši, istraživači sa Tehnološkog instituta Stivens razvili su novi dijagnostički alat za otkrivanje i klasifikaciju valvularnih poremećaja na osnovu kratkog niza audio podataka.
Rezultati, objavljeni na naslovnoj strani izdanja IEEE Transactions on Biomedical Engineering iz septembra 2023., su upečatljivi: za samo nekoliko sekundi, AI alat tima može da otkrije valvularnu srčanu bolest, ili VHD, sa 93% osetljivosti i 98% specifičnosti, što znači da je mnogo manje obolelih od VHD ostalo nedijagnostikovano i da je bilo vrlo malo lažno pozitivnih rezultata.
„Većina slučajeva VHD-a je propuštena zbog ljudske greške — pa smo uveli veštačku inteligenciju da pomognemo ljudima“, objasnio je Negar Ebadi, glavni istraživač projekta i vanredni profesor elektrotehnike i računarstva.
„U oblasti zdravstvene zaštite, ograničenja standardnih pregleda stetoskopom su evidentna. Imperativ je da investiramo u napredne dijagnostičke alate kako bismo premostili ovaj jaz i osigurali rano otkrivanje i lečenje za sve pacijente“, dodao je Araš Šokoumand, glavni autor studije. rada koji je nedavno doktorirao na Stivensu.
U stvari, istraživanja pokazuju da se samo 44% slučajeva VHD-a nalazi standardnim pregledom stetoskopom, što znači da se stanje pacijenata značajno pogoršava pre nego što se njihova bolest konačno otkrije i leči – i košta zdravstveni sistem više od 42 milijarde dolara godišnje.
Tim je snimio 10-sekundne snimke koristeći kontaktni mikrofon – u suštini mikrofon koji detektuje zvučne vibracije direktno iz grudnog koša pacijenta. Ti podaci su zatim uneti u AI model prilagođen algoritmima za obradu govora koji se obično koriste za izolovanje glasova kada ljudi pregovaraju jedni preko drugih.
„Razlika je u tome što umesto da detektujemo pojedinačne glasove, mi otkrivamo audio potpise određenih vrsta srčanih bolesti“, rekao je Shokouhmand. Razdvajanjem audio signala, neuronska mreža tima je u stanju da brzo identifikuje pet različitih valvularnih bolesti iz jednog uzorka podataka – čak i ako više bolesti istovremeno postoji kod jednog pacijenta. U roku od nekoliko sekundi, AI model ispušta jednostavan petocifreni niz jedinica i nula: nulu za svaki negativan rezultat i jedan za svaku bolest zalistaka koju otkrije.
„Naša sposobnost da istovremeno otkrijemo više bolesti bila je ključna inovacija u ovom istraživanju“, rekao je Shokouhmand. „Ne pokazujemo samo da postoji problem sa zalistcima – mi smo u stanju da identifikujemo konstelaciju problema od kojih pacijent pati.“
Dok su istraživači ranije koristili neuronske mreže za otkrivanje VHD-a, Stivensov tim je prvi koji koristi akcelerometre umesto složenih i glomaznih mašina. Njihov metod je takođe znatno precizniji i robusniji od prethodnih dijagnostičkih metoda zasnovanih na veštačkoj inteligenciji i ima prostora za značajan dalji razvoj.
„Naš trenutni cilj je da prikupimo više podataka kako bismo mogli da počnemo da klasifikujemo bolesti prema težini – tako da umesto da pokažemo da imate određeni poremećaj zalistaka, mogli bismo da damo ocenu od 10 da opišemo koliko je bolest napredovala“, rekao je Ebadi.
Tim se takođe nada da će proširiti svoj metod za otkrivanje drugih bolesti cirkulacije i na kraju dovesti svoj sistem u lekarske ordinacije širom zemlje kako bi se osiguralo da manji broj srčanih poremećaja ostane nedijagnostikovan.
