Quello in silicio Un marker per la malattia coronarica (CAD) è stato trovato dai ricercatori della Icahn School of Medicine del Mount Sinai a New York utilizzando l’apprendimento automatico e i dati clinici delle cartelle cliniche elettroniche.
le scoperteÈ stato pubblicato online questa settimana bisturi, Mira a fornire una diagnosi non invasiva e più mirata e una migliore gestione della CAD, il tipo più comune di malattia cardiaca e la principale causa di morte in tutto il mondo.
I ricercatori del Mount Sinai affermano che il loro studio è il primo noto per identificare le caratteristiche CAD su uno spettro. Studi precedenti simili si sono concentrati solo sul fatto che il paziente fosse un caso (ha una malattia) o un controllo (non ha una malattia). Gli investigatori affermano che questo approccio può sottovalutare i casi, portando a una gestione inappropriata e a esiti clinici peggiori.
C’è stato un costante aumento dell’uso dell’intelligenza artificiale per molte applicazioni, incluso il rilevamento delle malattie cardiache. Nel dicembre di quest’anno, un gruppo del Massachusetts General Hospital e del Brigham and Women’s Hospital ha descritto come hanno utilizzato il deep learning per sviluppare una società basata sulla popolazione. Screening del rischio cardiovascolare Approccio usando i raggi X del torace.
In questo studio retrospettivo, i ricercatori hanno addestrato un modello di apprendimento automatico denominato in silicio Un punteggio di malattia coronarica (ISCAD) per misurare accuratamente la CAD su uno spettro utilizzando più di 80.000 cartelle cliniche elettroniche provenienti da due grandi biobanche basate sul sistema sanitario, Biome Biobanca del Mount Sinai Health System e Biobanca del Regno Unito.
“Il nostro modello identifica gruppi di pazienti con malattia coronarica in base allo spettro della malattia. Ciò può fornire ulteriori informazioni sulla progressione della malattia e su come le persone colpite risponderanno al trattamento”, ha affermato Ron Doe, PhD, autore senior dello studio e Charles Bronfman Professor of Personality Medicine presso la Scuola Icahn.
Il modello, che i ricercatori hanno chiamato “punteggio digitale”, includeva centinaia di caratteristiche cliniche diverse dalla cartella clinica elettronica, inclusi segni vitali, risultati dei test di laboratorio, farmaci, sintomi e diagnosi, e lo ha confrontato con ciascuno degli attuali punteggi clinici. per CAD, che utilizza un numero Solo un piccolo numero di caratteristiche pre-specificate, e il risultato genetico di CAD.
I 95.935 partecipanti includevano etnie africane, ispaniche/latine, asiatiche ed europee, oltre a una percentuale significativa di donne. La maggior parte degli studi clinici e degli studi sull’apprendimento automatico sulla CAD si sono concentrati sull’etnia bianca europea.
I ricercatori hanno scoperto che il modello tracciava accuratamente il grado di restringimento delle arterie coronarie (stenosi coronarica), la mortalità e le complicanze come l’infarto.
“Modelli di machine learning come questo potrebbero anche avvantaggiare il settore sanitario in generale progettando studi clinici basati su un’appropriata stratificazione dei pazienti. Potrebbero anche portare a strategie di trattamento individualizzate basate sui dati più efficienti”, afferma l’autore principale Ian S. Forrest, Ph. D., borsista postdottorato presso il Du Lab.
Ha aggiunto che, “Nonostante questo progresso, è importante ricordare che la diagnosi medica basata sulla procedura e la gestione della malattia coronarica non vengono sostituite dall’IA, ma piuttosto sono potenzialmente supportate dall’ISCAD come un altro potente strumento nel toolkit del medico”.
Successivamente, i ricercatori prevedono di condurre uno studio prospettico su larga scala per indagare ulteriormente sul beneficio clinico e sul potenziale d’azione dell’ISCAD, anche in altre popolazioni. Hanno anche in programma di valutare una versione più portabile del modello che potrebbe essere utilizzata a livello globale attraverso i sistemi sanitari.
