30-08-2023
zmień rozmiar tekstu
A+ A-
Dzięki sztucznej inteligencji już wkrótce będziemy mogli po naciśnięciu jednego przycisku przewidzieć ryzyko rozwoju poważnych chorób w późniejszym życiu.
Zwapnienie aorty brzusznej (Abdominal aortic calcification, AAC), oznacza gromadzenie się złogów miażdżycowych w ścianach tej aorty brzusznej i stanowi wskaźnik ryzyka rozwoju zdarzeń sercowo-naczyniowych, takich jak i . Pozwala też przewidzieć również ryzyko upadków, złamań i demencji w starszym wieku.
Skany do pomiaru gęstości kości, stosowane do wykrywania osteoporozy, mogą również wykrywać AAC. Do analizy tych obrazów jednak potrzebni są wysoko wykwalifikowani eksperci i muszą poświecić na jeden skan 5 do 15 minut.
Teraz na Edith Cowan University's opracowano oprogramowanie, które może analizować skany znacznie, znacznie szybciej: około 60 tysięcy obrazów w ciągu jednego dnia.
Tak znaczący wzrost wydajności będzie miał istotne znaczenie dla powszechnego stosowania AAC w badaniach i pomocy w uniknięciu problemów zdrowotnych w późniejszym życiu.
- Ponieważ te skany i zautomatyzowane wyniki można szybko i łatwo uzyskać podczas badania gęstości kości, daje to szanse na wczesne wykrywanie chorób sercowo-naczyniowych i monitorowanie chorób podczas rutynowej praktyki klinicznej - wyjaśnia prof. Joshua Lewis.
Ponad 500 skanów zostało przeanalizowanych przez ekspertów i . Po porównaniu wyników okazało się, że i ludzie, i sztuczna inteligencja uzyskali takie same rezultaty co do zakresu AAC w 80 procentach przypadków. Co istotne, tylko 3 procent osób, u których stwierdzono wysoki poziom AAC, zostało błędnie zdiagnozowanych przez oprogramowanie.
- To ważne, ponieważ rzecz dotyczy osób o największym stopniu zaawansowania choroby i najwyższym ryzyku zdarzeń sercowo-naczyniowych oraz przedwczesnej śmierci z jakiejkolwiek przyczyny - wyjaśnia prof. Lewis.
- Jakkolwiek trzeba poprawić dokładność oprogramowania, wspomniane wyniki pochodzą z algorytmu w wersji 1.0 i już istotnie poprawiliśmy skuteczność w nowszych wersjach - dodaje prof. Lewis.
Na podstawie: