Terveydenhuolto

Tutkijat selvittävät sydämen saloja ja ennustavat sydänvaivoja tekoälyllä

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Hiljattain kaksi sydäntä koskevaa tutkimusta on hyödyntänyt tekoälyalgoritmeja saadakseen paremman ymmärryksen siitä, miten sydän toimii ja miten se voi vioittua. Tutkijaryhmä on käyttänyt tekoälyalgoritmeja saadakseen tietoa siitä, miten sydämen lihasten muoto vaikuttaa sen suorituskykyyn. Tekoälyalgoritmien avulla tutkijaryhmä sai tietoa siitä, miten sydämen kammiot mahdollistavat verenkiertoa ja löysi kuusi eri DNA-jaksoa, jotka ovat tärkeitä sydämen lihasten kehityksessä. Sillä aikaa toinen tutkimus tarkasteli sitä, miten itseottokuva voisi mahdollisesti käytettäväksi sydänvaivojen diagnosointiin.

Jo 15. ja 16. vuosisadalla tutkijat ovat tutkineet sydäntä ja pohtineet, miten sen rakenne liittyy sen toimintaan. Leonardo da Vinci pohti yli 500 vuotta sitten, miten sydämen lihakset siirtävät verta kehon eri osiin. Kiitos MRC London Institute of Medical Sciencesin, Cold Spring Harbor Laboratoryn, EMBL:n Euroopan bioinformatiikan instituutin (EMBL-EBI), Heidelbergin yliopiston ja Politecnico di Milanon tutkijaryhmien ansiosta olemme paljon lähempänä ymmärtämistä siitä, mikä rooli sydämen trabekuloilla on sydämen kehityksessä ja toiminnassa.

Trabekulat ovat lihaksia, jotka muodostavat monimutkaisen geometristen kuvioiden verkon sydämen sisäpinnalla. Trabekuloita uskotaan toimivan sydämen hapensaannin mahdollistajina sen kehityksen aikana, koska sydän on ensimmäinen kehittyvä elin, joka ei voi saada happea keuhkoista. Pitkään on kuitenkin ollut arvoitus, mikä rooli trabekuloilla on aikuisilla. Da Vinci oli spekulooinut, että sydämen trabekulat toimisivat veren lämmittämiseen sen kulkiessa sydämen läpi, mutta kiitos tekoälypohjaisiin tutkimusmenetelmiin, meillä on nyt käsitys niiden todellisesta tarkoituksesta.

Tutkijaryhmä käytti tekoälyalgoritmeja analysoi noin 25000 sydämen magneettikuvausta. Nämä kuvaukset syötettiin tekoälymalliin yhdessä geneettisen aineiston ja sydämen morfologian aineiston kanssa. Tutkijat analysoivat mallin tuloksia ja totesivat, että trabekulat näyttävät toimivan verenkierron mahdollistajina sydämen kammioiden läpi. Sydämen sisäpinnan geometriset kuviot uskotaan nyt auttavan veren virtaamisessa tehokkaammin sydämen lyödessä.

Lisäksi trabekuloiden mahdollisesta roolista verenkierron mahdollistajana tutkijat löysivät myös kuusi DNA-jaksoa, jotka vaikuttavat trabekuloiden kehitykseen. Kaksi näistä kuudesta DNA-jaksosta myös osallistuu hermoston haarojen kehitykseen aivoissa. On mahdollista, että samat mekanismit, jotka johtavat trabekuloiden kehitykseen, johtavat myös hermosolujen kehitykseen.

Trabekuloiden muoto saattaa jopa olla yhteydessä sydänvaivoihin. Yli 50000 potilaan geneettistä aineistoa analysoitiin tutkimuksessa, ja havaittiin, että eri trabekulomallit liittyvät jossain määrin sydänvaivojen riskiin.

Eräässä toisessa tutkimuksessa, jonka Futurism raportoi, Kiinan Pekingissä sijaitsevan National Center for Cardiovascular Diseasesin tutkijat kokeilivat tekoälyä, joka pystyy ennustamaan yksilön sydänvaaririskin fyysisiä ominaisuuksien perusteella, jotka voidaan havaita yksinkertaisesta valokuvasta. On olemassa fyysisiä ominaisuuksia, jotka liittyvät sydänvaaririskiin, kuten keltaiset rasvavarastot silmien ympärillä, valkoiset renkaat sarveiskalvon reunassa ja harmaantuvat tai ohenevat hiukset. Kun algoritmi koulutettiin kiinalaisten sairaaloiden potilaiden kuvilla, se ilmoitettiin suorittaneen paremmin kuin olemassa olevat sydänvaaririskiarviomenetelmät, ja se havaittiin pystyvän havaitsemaan noin 80 % sydänvaaritapauksista. Se myös havaittiin pystyvän havaitsemaan noin 60 % kaikista negatiivisista sydänvaaritapauksista.

Algoritmiin liittyy korkea väärän positiivisen tuloksen määrä, jonka tiimi toteaa, että heidän on korjattava, ja huomauttaa, että väärät positiiviset voivat aiheuttaa potilaille turhaa ahdistusta ja kuormittaa lääkintäjärjestelmää tarpeettomilla tutkimuksilla. Kuitenkin, jos algoritmin väärän positiivisen tuloksen määrää voidaan korjata ja sen yleistä tarkkuutta parantaa, se voisi olla hyödyllinen työkalu alueilla, joilla on vaikeuksia rahoittaa sydänvaaritutkimuksia.

Blogger ja ohjelmoija, jolla on erityisalat Machine Learning ja Deep Learning -aiheissa. Daniel toivoo pystyvänsä auttamaan muita käyttämään tekoälyn voimaa sosiaaliseen hyvään.