Τεχνολογία

AI χειρουργική επέμβαση: Η μηχανική μάθηση προβλέπει την επιτυχία των χειρουργείων

AI χειρουργική επέμβαση: Η μηχανική μάθηση προβλέπει την επιτυχία των χειρουργείων
AI χειρουργική επέμβαση: Μέσω τεχνητής νοημοσύνης, γίνεται ανάλυση δεδομένων με διαφορετικά μοντέλα πρόβλεψης για να προβλεφθεί με μεγαλύτερη ακρίβεια η θνησιμότητα κατά τη διάρκεια και μετά την επέμβαση αντικατάστασης της μιτροειδούς βαλβίδας

Η ανάλυση κινδύνου είναι μέρος του τρόπου με τον οποίο οι καρδιοθωρακοχειρουργοί καθορίζουν ποιοι ασθενείς θα ωφεληθούν από τη χειρουργική επέμβαση για την αντικατάσταση μιας ελαττωματικής καρδιακής βαλβίδας και η τεχνητή νοημοσύνη (AI) τους δίνει πλέον ένα πλεονέκτημα όταν σταθμίζουν τον κίνδυνο έναντι του οφέλους. Ο Δρ. Robert Hagberg, Επικεφαλής Καρδιοχειρουργικής στο Hartford Hospital και μέλος του Hartford HealthCare Heart & Vascular Institute, ήταν μέρος μιας ομάδας ερευνητών που δημοσίευσαν “Μοντέλα μηχανικής εκμάθησης για αντικατάσταση μιτροειδούς βαλβίδας: Συγκριτική ανάλυση με την Εταιρεία Θωρακοχειρουργών βαθμολογία κινδύνου” σε πρόσφατη έκδοση του Journal of Cardiac Surgery. Είναι από τις πρώτες μελέτες που εξετάζουν τη χρήση της μηχανικής μάθησης, ή AI, για την πρόβλεψη της χειρουργικής επιτυχίας.

Λεπτομέρειες για την μελέτη

Οι ερευνητές εξόρυξαν μια ηλεκτρονική βάση δεδομένων με περιπτώσεις αντικατάστασης μιτροειδούς βαλβίδας και τα αποτελέσματά τους, εισάγοντας διάφορες τεχνικές τεχνητής νοημοσύνης για τη δημιουργία αλγορίθμων για την αξιολόγηση των αποτελεσμάτων των ασθενών. Στη συνέχεια συνέκριναν τα αποτελέσματα με εκείνα που παράγονται από ένα υπάρχον εργαλείο πρόβλεψης που διατίθεται από την Εταιρεία Χειρουργών Θώρακος (STS). “Τα προτεινόμενα μοντέλα κινδύνου συμπλήρωσαν τα υπάρχοντα μοντέλα STS στην πρόβλεψη της θνησιμότητας, του παρατεταμένου αερισμού και της νεφρικής ανεπάρκειας, επιτρέποντας στους παρόχους υγειονομικής περίθαλψης να εκτιμήσουν με μεγαλύτερη ακρίβεια τον κίνδυνο νοσηρότητας και θνησιμότητας ενός ασθενούς όταν υποβάλλεται σε χειρουργική επέμβαση μιτροειδούς βαλβίδας”, αναφέρεται στην ενότητα συμπερασμάτων της δημοσίευσης της μελέτης.

Τα αποτελέσματα ήταν μια αύξηση 3% στην ακριβή πρόβλεψη των χειρουργικών αποτελεσμάτων. “Το εργαλείο STS κοιτάζει τα πράγματα με έναν συγκεκριμένο γραμμικό τρόπο και υποθέσαμε ότι θα μπορούσαμε να τα πάμε καλύτερα”, είπε ο Δρ Χάγκμπεργκ. “Το μεγαλύτερο πράγμα που κάναμε ήταν να χρησιμοποιήσουμε AI για να τροποποιήσουμε τα μοντέλα και να τα κάνουμε πιο ακριβή. Μπορούν να αναλύσουν δεδομένα με διαφορετικά μοντέλα πρόβλεψης για να προβλέψουν με μεγαλύτερη ακρίβεια τη θνησιμότητα κατά τη διάρκεια και μετά την επέμβαση αντικατάστασης της μιτροειδούς βαλβίδας”. Οι πιο άρρωστοι ασθενείς, είπε, διατρέχουν μεγαλύτερο κίνδυνο για επιπλοκές όπως εγκεφαλικό επεισόδιο, παρατεταμένος αερισμός, νεφρική ανεπάρκεια και θάνατος μετά από χειρουργική επέμβαση αντικατάστασης μιτροειδούς βαλβίδας.

 

Σημασία των ευρημάτων

Για αυτούς τους λόγους, είπε ότι θα έπρεπε, ίσως, να επανεξετάσουν την απόφαση να χειρουργηθούν. “Αυτό μπορεί να μας βοηθήσει να καθοδηγήσουμε τους ασθενείς όταν προσπαθούν να αποφασίσουν αν θα κάνουν τη χειρουργική επέμβαση”, είπε ο Δρ Χάγκμπεργκ. “Μας βοηθά να καθοδηγούμε καλύτερα τον ασθενή. Δεν πρέπει όλοι όσοι χρειάζονται αντικατάσταση βαλβίδας να κάνουν τη χειρουργική επέμβαση. Πρέπει να σταθμίσουμε τον κίνδυνο της επέμβασης με τα οφέλη της”. Η χρήση των νέων προγνωστικών μοντέλων μπορεί τελικά να γίνει τυπική δουλειά για τους χειρουργούς, αλλά ο Δρ Χάγκμπεργκ είπε τουλάχιστον ότι η έρευνα έδειξε ότι μπορούμε να κάνουμε βελτιώσεις. “Ίσως μπορούμε να το ενσωματώσουμε σε μια τεράστια βάση δεδομένων που διατηρεί η Εταιρεία“, είπε, προβλέποντας ότι θα υπάρξει περισσότερη επικυρωτική έρευνα στο μέλλον.