Un modello di intelligenza artificiale (AI) può prevedere il rischio di morte per infarto o ictus in un periodo di 10 anni da una sola radiografia del torace.
Il team di ricercatori del Massachussetts Hospital, capitanati dal Dott. Weiss, hanno addestrato l’intelligenza artificiale del deep learning per cercare nelle immagini a raggi X modelli associati all’aterosclerosi, la causa principale delle malattie cardiache cardiovascolari.
Il rischio viene calcolato utilizzando un punteggio basato su variabili come età, sesso, razza, pressione sanguigna, trattamento dell’ipertensione, fumo, diabete di tipo 2 ed esami del sangue.
“Le variabili necessarie per calcolare il rischio di ASCVD spesso non sono disponibili, il che rende desiderabili approcci per lo screening basato sulla popolazione”, ha affermato il dottor Jakob Weiss, un radiologo affiliato al Cardiovascular Imaging Research Center del Massachusetts General Hospital e all’AI in Medicina presso il Brigham and Women’s Hospital di Boston.
“Il nostro modello di deep learning offre una potenziale soluzione per lo screening opportunistico basato sulla popolazione a rischio di malattie cardiovascolari utilizzando le immagini radiografiche del torace esistenti. “La bellezza di questo approccio, ha proseguito Weiss, è che hai solo bisogno di una radiografia, che viene acquisita milioni di volte al giorno in tutto il mondo”.
“Sulla base di una singola immagine radiografica del torace esistente, il nostro modello di deep learning prevede futuri eventi avversi cardiovascolari maggiori con prestazioni simili e valore incrementale rispetto allo standard clinico stabilito”.
I raggi X sono noti da tempo per catturare informazioni oltre i risultati diagnostici tradizionali, ma che i dati non sono stati utilizzati perché “non abbiamo avuto metodi robusti e affidabili. I progressi nell’intelligenza artificiale lo stanno rendendo possibile adesso”.
“Quello che abbiamo dimostrato è che una radiografia del torace è più di una radiografia del torace. Con un approccio come questo, otteniamo una misura quantitativa, che ci permette di fornire informazioni sia diagnostiche che prognostiche che aiutano il clinico e il paziente”.
