Εν μέσω έντονης ανησυχίας για τις κάθε είδους αρνητικές επιπτώσεις και κινδύνους για την ανθρωπότητα από την αλματώδη και εν πολλοίς ανεξέλεγκτη εξέλιξη της τεχνητής νοημοσύνης ερευνητές του Πανεπιστημίου του Εδιμβούργου παρουσιάζουν μια από τις θετικές της πλευρές. Δημιούργησαν ένα εργαλείο τεχνητής νοημοσύνηςπου μπορεί να προβλέπει έγκαιρα την πρόκληση ή μη καρδιακών επεισοδίων.
Σύμφωνα με τους ερευνητές ο αλγόριθμος που ανέπτυξαν μπορεί να κάνει επιτυχή διάγνωση σε ποσοστό 99,6% για το αν κάποιος που νιώθει πόνους στο στήθος και έχει συμπτώματα που παραπέμπουν σε καρδιακό επεισόδιο βρίσκεται πράγματι σε διαδικασία καρδιακού επεισοδίου ή αν συμβαίνει κάτι άλλο και δεν αντιμετωπίζει καρδιακό πρόβλημα τη δεδομένη τουλάχιστον στιγμή.
Σύμφωνα με την ερευνητική ομάδα αυτή η δυνατότητα να αποκλείεται γρήγορα μια καρδιακή προσβολή θα μπορούσε να μειώσει σημαντικά τις εισαγωγές στο νοσοκομείο και να εντοπίζονται γρήγορα οι ασθενείς που είναι ασφαλείς να πάνε σπίτι τους. Το τρέχον χρυσό πρωτόκολλο για τη διάγνωση της καρδιακής προσβολής περιλαμβάνει τη μέτρηση των επιπέδων της πρωτεΐνης τροπονίνης στο αίμα.
Αλλά το πρωτόκολλο χρησιμοποιείται για κάθε ασθενή, πράγμα που σημαίνει ότι δεν λαμβάνονται υπόψη παράγοντες όπως η ηλικία, το φύλο και άλλα προβλήματα υγείας που επηρεάζουν τα επίπεδα τροπονίνης επηρεάζοντας έτσι την ακρίβεια των διαγνώσεων ενός καρδιακού επεισοδίου. Προηγούμενη μελέτη είχε δείξει ότι οι γυναίκες έχουν 50% περισσότερες πιθανότητες να λάβουν λανθασμένη αρχική διάγνωση καρδιακού επεισοδίου και οι άνθρωποι που έχουν λανθασμένη διάγνωση έχουν 70% υψηλότερο κίνδυνο να πεθάνουν μετά από 30 ημέρες.
Η ομάδα είπε ότι ο νέος τους αλγόριθμος, που ονομάζεται CoDE-ACS, είναι μια ευκαιρία να αποτραπεί αυτό. Αναπτύχθηκε χρησιμοποιώντας δεδομένα από 10.038 ασθενείς στη Σκωτία που είχαν φτάσει στο νοσοκομείο με υποψία καρδιακής προσβολής. Χρησιμοποιεί πληροφορίες ασθενούς που συλλέγονται τακτικά, όπως ηλικία, φύλο, δεδομένα ηλεκτροκαρδιογραφήματος, ιατρικό ιστορικό, καθώς και επίπεδα τροπονίνης, για να προβλέψει την πιθανότητα ένα άτομο να έχει υποστεί καρδιακή προσβολή. «Για ασθενείς με οξύ πόνο στο στήθος λόγω καρδιακής προσβολής η έγκαιρη διάγνωση και θεραπεία σώζουν ζωές. Δυστυχώς πολλές καταστάσεις προκαλούν κοινά συμπτώματα και η διάγνωση δεν είναι πάντα απλή. Η αξιοποίηση δεδομένων και τεχνητής νοημοσύνης για την υποστήριξη ιατρικών αποφάσεων παροσφέρει τεράστιες δυνατότητες βελτίωσης της φροντίδας των ασθενών και της αποτελεσματικότητας στα πολυάσχολα τμήματα επειγόντων περιστατικών των νοσκομείων» αναφέρει ο καθηγητής Νίκολας Μίλς επικεφαλής της ερευνητικής ομάδας.
Από την πλευρά του ο καθηγητής σερ Νιλές Σαμάνι, Ιατρικός Διευθυντής του British Heart Foundation που χρηματοδότησε αυτή την έρευνα, δήλωσε: «Ο πόνος στο στήθος είναι ένας από τους πιο συνηθισμένους λόγους που οι άνθρωποι παρουσιάζονται στα τμήματα επειγόντων περιστατικών των νοσοκομείων. Κάθε μέρα οι γιατροί σε όλο τον κόσμο αντιμετωπίζουν την πρόκληση να διαχωρίσουν τους ασθενείς των οποίων ο πόνος οφείλεται σε καρδιακή προσβολή από εκείνους των οποίων ο πόνος οφείλεται σε κάτι λιγότερο σοβαρό. Το CoDE-ACS αναπτύχθηκε χρησιμοποιώντας ένα συνδυασμό τεχνητής νοημοσύνης και τεχνολογίας αιχμής στον τομέα της επεξεργασίας δεδομένων έχει τη δυνατότητα να επιβεβαιώσει ή να αποκλείσει μια καρδιακή προσβολή με μεγαλύτερη ακρίβεια από τις τρέχουσες προσεγγίσεις. Θα μπορούσε να αλλάξει την κατάσταση που επικρατεί στα τμήματα επειγόντων περιστατικών μειώνοντας τον χρόνο που απαιτείται για τη διάγνωση γεγονός πολύ θετικό για τους ασθενείς».
Naftemporiki.gr
