Sztuczna inteligencja pozwoli wcześniej wykryć tętniaki mózgu. „Ratowanie zdrowia i życia”

Sztuczna inteligencja pozwoli wcześniej wykryć tętniaki mózgu. „Ratowanie zdrowia i życia”

Dodano: 
Tętniak mózgu
Tętniak mózgu Źródło: Shutterstock / Only_NewPhoto
Naukowcy z Gdańska opracowali metodę, która pomoże wykryć tętniaka mózgu, zanim dojdzie do pęknięcia i krwotoku.

Tętniaki wewnątrzczaszkowe przez lata mogą nie dawać żadnych objawów, a ich pęknięcie często kończy się dramatycznie – nawet połowa pacjentów umiera, a wielu zmaga się z trwałymi następstwami neurologicznymi. Zespół naukowców z Politechniki Gdańskiej oraz Gdańskiego Uniwersytetu Medycznego i Uniwersyteckiego Centrum Klinicznego w Gdańsku pracuje nad rozwiązaniem, które może radykalnie zwiększyć szanse na wykrycie zagrożenia, zanim dojdzie do pęknięcia tętniaka i krwotoku. Kluczową rolę odgrywa tu sztuczna inteligencja analizująca dane kliniczne.

Dane zamiast skalpela

Celem projektu jest stworzenie narzędzia, które już na podstawie danych laboratoryjnych, wywiadu lekarskiego i opisów z dokumentacji medycznej pozwoli oszacować ryzyko obecności tętniaka oraz jego pęknięcia.

To przełomowe podejście – do tej pory uznawano, że taka ocena możliwa jest wyłącznie na podstawie badań obrazowych, jak tomografia czy angiografia – przekonują gdańscy naukowcy.

– Motywem przewodnim naszego projektu badawczego jest „Od danych do diagnozy. Od diagnozy do uratowanego życia” – podkreślają dr inż. Patryk Jasik, lider zespołu z Politechniki Gdańskiej oraz dr n.med. Justyna Fercho, liderka zespołu z Gdańskiego Uniwersytety Medycznego i UCK.

Setki tysięcy danych i uczenie maszynowe

Modele stworzone przez naukowców analizują rutynowe wyniki badań laboratoryjnych i tekstową dokumentację medyczną. Do jego stworzenia wykorzystano dane ponad 60 tys. pacjentów leczonych w Uniwersyteckim Centrum Klinicznym w Gdańsku w latach 2006–2024.

Już pierwsze modele osiągnęły bardzo obiecujące wyniki dające ponad 77 proc. skuteczności oraz około 80 proc. czułości, co wskazuje na duży potencjał kliniczny.

W pierwszym etapie wykorzystano 26 wyników badań laboratoryjnych oraz predyktorów zbudowanych na podstawie tekstowej dokumentacji medycznej m.in. wyniki takich badań jak: poziom glukozy, płytki krwi, kreatynina, sód, MCH, MPV, limfocyty, potas oraz czynników ryzyka takich jak nikotynizm, cukrzyca czy nadciśnienie. Już na tym etapie wykazano istotne statystycznie różnice między pacjentami z pękniętym i niepękniętym tętniakiem. Przy czym, w przypadku pacjentów z tętniakiem pękniętym, badania prowadzone były zawsze na podstawie danych zebranych przed jego pęknięciem.

– Dane zostały bardzo precyzyjnie przygotowane do etapów analizy i modelowania, ze szczególnym uwzględnieniem zabezpieczeń przed wyciekami danych. Zastosowaliśmy nowoczesne modele predykcyjne – m.in. TabNet oraz zapewniliśmy ich wielokryterialną walidację, co pozwoliło uniknąć zawyżania wyników. Uzyskane dokładności wybranych modeli przekraczają 80 proc., a w niektórych analizach sięgają nawet ponad 90 proc. – tłumaczy dr Jasik.

– Wykorzystanie takich metod jest obecnie wysoce pożądane przez lekarzy – zauważa dr Fercho. – Wiedzę, na jakiej podstawie otrzymujemy prawdopodobieństwo ryzyka wystąpienia tętniaka zwracane przez model, możemy świadomie wykorzystać w skuteczniejszym diagnozowaniu pacjentów.

Modele językowe wspierają analizę dokumentacji

Nowym elementem projektu jest wykorzystanie wielkich modeli językowych (LLM), takich jak LLaMA, PLLuM czy Bielik. Ich zadaniem jest automatyczna ekstrakcja informacji z opisów medycznych, co znacząco zwiększa skuteczność modeli predykcyjnych i pozwala analizować dane, które dotąd były trudne do przetwarzania komputerowego.

– Użycie modeli językowych pozwala na bardzo szybkie przetworzenie i analizę notatek lekarskich, które są bardzo cennym źródłem danych w całej diagnostyce tętniaka – tłumaczy naukowiec.

Tętniaki – dramat zdrowotny i ogromne koszty

Problem tętniaków może dotknąć każdego z nas. Statystycznie nawet 1 na 50 dorosłych osób może mieć niepękniętego tętniaka mózgu. W Polsce oznacza to setki tysięcy potencjalnie zagrożonych osób – zaznacza gdańska uczelnia na swojej stronie.

Obecnie stosuje się dwa główne sposoby zabezpieczania tętniaków niepękniętych.

– Pierwszym z nich jest operacyjne klipsowanie, które jest metodą inwazyjną wymagającą otwarcia czaszki, a jej średni koszt wynosi ok. 30 tys. zł. Drugą, mniej inwazyjną metodą endowaskularną, jest embolizacja, polegająca na wprowadzeniu przez cienki cewnik (najczęściej przez tętnicę udową) materiałów zamykających tętniaka. Cena takiego zabiegu endowaskularnego to mniej więcej 25–40 tys. zł, w zależności od użytego materiału – mówi dr Justyna Fercho.

Jeśli natomiast dojdzie do pęknięcia tętniaka, koszty leczenia pacjenta po krwotoku podpajęczynówkowym rosną lawinowo i są nieporównywalnie wyższe od kosztów zabezpieczania tętniaków. Do tego dochodzą wieloletnie opłaty za rehabilitację, która jest niezbędna, a także renta, ponieważ większość pacjentów po takim urazie nie jest już w stanie podejmować pracy zawodowej.

– Wczesne wykrycie niepękniętego tętniaka na podstawie ryzyka oszacowanego przez nas to nie tylko uratowane zdrowie i życie, ale też realne oszczędności dla systemu ochrony zdrowia – zaznacza dr Patryk Jasik.

Projekt "AI-Powered Medical Software for Predicting the Likelihood of Intracranial Aneurysm" jest efektem ścisłej współpracy zespołów naukowych z Gdańskiego Uniwersytetu Medycznego, Politechniki Gdańskiej (WFTiMS oraz Centrum BioTechMed), Uniwersyteckiego Centrum Klinicznego oraz partnerów branżowych specjalizujących się w data science.

Obecnie projekt został zakwalifikowany do międzynarodowego programu akceleracyjnego I3HIES, który wspiera najbardziej obiecujące innowacje z obszaru ochrony zdrowia i pomaga rozwijać je aż do etapu inwestycyjnego i komercjalizacji.

Czytaj też:
Jak spowolnić proces starzenia się mózgu? Naukowcy już wiedzą
Czytaj też:
Pierwszy przewodnik dla rodzin osób po urazach mózgu. Sprawdź, gdzie go znaleźć

Opracował:
Źródło: Politechnika Gdańska