Aby przeszkolić sieć, przygotować ją do analizy przypadków prawdziwych pacjentów, lekarze wykorzystali porównanie wyników koronarografii - procedury, która obecnie uważana jest za złoty standard w diagnostyce stanu naczyń serca, oraz danych elektrokardiograficznych. Sztuczna inteligencja musiała zbadać parametry diagnostyczne ponad 100 pacjentów w wieku od 31 do 89 lat i nauczyć się klasyfikować tętnice wieńcowe, wykrywać obecność uszkodzeń naczyń i przewidywać wystąpienie choroby wieńcowej – naruszenie dopływu krwi do mięśnia sercowego .
Za pomocą sieci neuronowej lekarze przeanalizowali informacje o 130 pacjentach z grupy testowej, którzy przeszli planowe lub awaryjne cewnikowanie tętnic wieńcowych. Ich dane z dokumentacji medycznej, w tym wiek, płeć, diagnoza, cechy patologiczne, obecność lub brak chorób współistniejących, zaostrzona dziedziczność, złe nawyki, a także wyniki elektrokardiogramów, zostały wprowadzone do bazy danych uczenia maszynowego. Sztuczna inteligencja zbadała dane i ustaliła, u którego z pacjentów dojdzie do uszkodzeń głównych tętnic wieńcowych i choroby wieńcowej.
Lekarze przebadali również wszystkich przebadanych pacjentów w zwykły sposób. W celu przewidzenia skomplikowanego przebiegu choroby wieńcowej przeszli komputerową koronarografię – badanie naczyń serca poprzez wprowadzenie do tętnic substancji nieprzepuszczalnej dla promieni rentgenowskich, a także codzienne monitorowanie EKG i próbę wysiłkową na bieżni, która pozwala ocenić pracę serce podczas aktywności fizycznej.
Badanie wykazało, że sieć neuronowa poradziła sobie z zadaniem lepiej niż tradycyjne metody diagnostyczne. Na przykład przy wykrywaniu niedokrwienia mięśnia sercowego sztuczna inteligencja osiągnęła dokładność 93%, podczas gdy codzienne monitorowanie EKG to tylko 87%.
Autorami metody są profesor Andrei Obrezani, kierownik Katedry Terapii Szpitalnej Petersburskiego Uniwersytetu Państwowego, Główny Lekarz Grupy Klinik SOGAZMEDITSINA, Timur Abdualimov, kardiolog w Międzynarodowym Centrum Medycznym Sogaz.
bbabo.Net