Bilim adamları ne zaman öleceğinizi tahmin etmek için yeni bir yöntem geliştirdiler
Tıpta devrim yaratacak anlaşılması güç bir yenilik var: Hastalıkları ortaya çıkmadan önce tespit etmenin bir yolu.
Scientific Reports dergisinde yayınlanan yakın tarihli bir çalışma, bizi bu yeteneğe yaklaştırabilir ve geleneksel tıbbi taramaların yapay zeka ile analizinin, insanların sağlık ve ölüm risklerinin güçlü bir öngörücüsü olabileceğini ortaya çıkarabilir.
Araştırmacılar, tümü 60 yaşın üzerinde olan 48 yetişkinden geleneksel göğüs BT taramalarını analiz etmek için makine öğrenme algoritmalarını kullandılar. Sistem, tarama verilerini karşılaştırarak, çalışma katılımcılarının beş yıl içinde ölme olasılığının yaklaşık% 70 olduğunu tahmin edebilir; bu, tıp uzmanlarının ölüm oranı tahmini kadar doğrudur. (Araştırmacılar, beş yıl içinde hayatta kalan veya ölen hastalardan alınan eski verileri kullandı ve bu da sistemin tahminlerini doğrulamalarına izin verdi.)
Göğüs taramaları, sağlığı ölçmenin mükemmel bir yoludur çünkü doktorların kalp, akciğerler ve büyük kan damarları gibi ana organları ve dokuları görmelerine izin verir. Uzmanlar genellikle bu görüntüleri, tümörler gibi biyobelirteçleri kontrol etmek ve tehlikeli arter birikiminin işaretleri olan aterosklerotik plakların sayısını ölçmek için kullanırlar. Makine öğrenimi sistemleri, potansiyel olarak tehlikeli anormallikleri tespit etmek için hastalar arasındaki ince değişiklikleri tanıyarak farklı şekillerde çalışır.
Bu, araştırmacıların, sistemin hangi faktörleri öğrendiğinin artan ölüm oranıyla ilişkili olduğunu tam olarak bilemeyeceği anlamına gelir. Ancak, daha büyük veri kümeleri ile sistemin anormallikleri daha iyi ayırt edebileceğini bilirler. Araştırmacılar, 12.000'den fazla katılımcıyla benzer çalışmalar yürütüyor.
Bu AI teknolojisinin en doğrudan uygulaması, geleneksel göğüs BT taramalarından daha fazla veriyi analiz etmek ve tıp uzmanlarının her taramaya zaman harcamasına gerek kalmadan risk hesaplamaları sağlamak olacaktır.
Ancak araştırmacıların ilgisini çeken, bu araştırmanın uzun vadeli etkisidir.
Çalışmanın baş yazarı Luke Oakden-Rayner şunları söyledi: "Bu çalışmada sadece küçük bir hasta örneği kullanılmış olmasına rağmen, araştırmamız bilgisayarların karmaşık hastalık görüntülemesinin görünümünü tanımayı öğrendiğini gösteriyor. , Tıbbi insan uzmanları için kapsamlı eğitim gerektirir. Araştırmamız, yapay zeka teknolojisinin tıbbi görüntü analizinde uygulanması için yeni yollar açtı ve özel tıbbi müdahale gerektiren ciddi hastalıkların erken tespiti için yeni bir umut sağlayabilir. "
Hassas tıbbın temel fikri, insanlar arasındaki küçük farklılıkların sağlık sonuçlarını nasıl etkilediğini belirlemek için büyük miktarda sağlık verilerinin analiz edilebilmesidir. O zaman bu analiz, insanların benzersiz özelliklerinin belirli bir hastalıktan veya durumdan kendilerini nasıl az çok etkilediğini anlamalarına yardımcı olabilir.
Bu teknolojinin geliştirilmesi büyük ölçüde Precision Medicine Programında devam eden araştırma çalışmalarının hedefidir.
Şimdiye kadar, birçok hassas tıbbi araştırma genetik üzerine odaklandı, çünkü insan genomu, sağlığımız hakkında, belirli hastalıklara dair ipuçları da dahil olmak üzere birçok bilgiye sahip.
Ancak genetik, kalp hastalığı, kanser ve diyabet gibi kronik ve yaşa bağlı hastalıkları anlamada çok yararlı değildir. Bu hastalıklar ana ölüm nedenlerinden biridir, ancak araştırmalara göre bu hastalıkların gözlemlenebilir özelliklerinin% 70 ila% 90'ı patojenik değildir. Yaşam tarzı ve çevre önemli bir rol oynadığından, genetik bize bu hastalıklar hakkında sadece sınırlı bilgi verebilir.
Bu koşullar altında sofistike tıbbi yöntemleri uygulamak için, araştırmacılar, invaziv olmayan ve birçok insan için birçok bilgi sağlayabilen farklı sağlık veri kaynaklarına ihtiyaç duyar. BT taramalarının ve radyolojinin devreye girdiği yer burasıdır.
Araştırmacılar, basit bir taramanın bir kişinin iç organları hakkında çeşitli bilgileri ortaya çıkarabileceğini açıkladı. Bu, hasta yanlış bir şey bulmadan önce bile birçok büyük hastalığın belirtilerinin ortaya çıktığı ilk yerdir. Bu nedenle, BT taramalarını analiz edebilen ve hastalık göstergelerini otomatik olarak kontrol edebilen bir sistem, birden fazla hastalığın gelişimini tahmin edebilir.
Bu yeni çalışma ümit verici olsa da, yalnızca az sayıda hastayı inceledi ve yalnızca göğüs taraması verilerine odaklandı. Daha fazla araştırmaya ihtiyaç var, ancak bilim adamları daha geniş bir benzer yöntem yelpazesinin doktorların hastalığı erken yakalamasına ve müdahale etmesine yardımcı olabileceğini umuyor.
Bu oldukça devrimci olurdu.
Oakden-Rayner şunları söyledi: "Büyük miktarda veriyi entegre ederek ve ince kalıpları tespit ederek, otomatik sistemler hastalıkları teşhis etmeye odaklanmak yerine tıbbi sonuçları önleyebilir."
