Μπορούμε να προσδιορίσουμε την ηλικία ενός ασθενούς από την ακτινογραφία θώρακος; Μία επιστημονική ομάδα από την Ιαπωνία ανέπτυξε ένα μοντέλο τεχνητής νοημοσύνης και απάντησε θετικά στο παραπάνω ερώτημα.
Η ομάδα υποστήριξε μάλιστα ότι το μοντέλο που ανέπτυξε όχι μόνο εκτιμά με ακρίβεια τη χρονολογική ηλικία των ασθενών, αλλά μπορεί να ανιχνεύσει και παθολογίες που παραπέμπουν σε χρόνια νοσήματα. Η ανακάλυψη αυτή αποτελεί σημείο-σταθμό για τις απεικονιστικές εξετάσεις, ανοίγοντας το δρόμο για την ταχύτερη διάγνωση αρκετών χρονίων νόσων, όπως αναφέρουν οι συγγραφείς στο περιοδικό Lancet Healthy Longevity.
Η επιστημονική ομάδα ανέπτυξε αρχικά ένα μοντέλο βαθιάς μηχανικής μάθησης με σκοπό να εκτιμήσει τη χρονολογική ηλικία υγιών εθελοντών από τις ακτινογραφίες τους. Ακολούθως, η ομάδα εκπαίδευσε περαιτέρω το μοντέλο έτσι ώστε να μπορεί να ανιχνεύσει τη σύνδεση ανάμεσα στη χρονολογική ηλικία και συγκεκριμένες χρόνιες νόσους. Προκειμένου να βελτιωθεί η αποτελεσματικότητα, αλλά και η ικανότητα γενίκευσης του μοντέλου οι επιστήμονες χρησιμοποίησαν αρκετές διαφορετικές βάσεις δεδομένων με ακτινογραφίες.
Συνολικά, για την εκπαίδευση του μοντέλου χρησιμοποιήθηκαν 67.099 ακτινογραφίες θώρακος από 36.051 εθελοντές. Το μοντέλο κατάφερε να προβλέψει τη χρονολογική ηλικία των εθελοντών με ακρίβεια 95% χρησιμοποιώντας αποκλειστικά την ακτινογραφία θώρακος.
Στο επόμενο κομμάτι της μελέτης τους, οι επιστήμονες θέλησαν να εξετάσουν αν η ικανότητα του μοντέλου να προβλέπει τη χρονολογική ηλικία ενός ασθενούς από την ακτινογραφία θώρακος έχει πιθανώς χρησιμότητα ως βιοδείκτης. Για το σκοπό αυτό χρησιμοποίησαν μία νέα βάση δεδομένων με 34.197 ακτινογραφίες με γνωστές διαγνώσεις χρονίων νόσων.
Από την ανάλυση που έκανε η ομάδα διαπιστώθηκε ότι η διαφορά ανάμεσα στην πραγματική χρονολογική ηλικία των ασθενών και την ηλικία που προέβλεπε το μοντέλο συνδέεται θετικά με αυξημένο κίνδυνο αρκετών χρονίων νόσων, όπως η υπέρταση, η υπερουριχαιμία και η χρόνια αποφρακτική πνευμονοπάθεια. Πρακτικά αυτό σημαίνει ότι όταν το μοντέλο προέβλεπε μεγαλύτερη χρονολογική ηλικία από αυτή που πραγματικά είχε ο ασθενής, τότε ο τελευταίος είχε αυξημένο κίνδυνο να πάσχει από τις παραπάνω νόσους.
«Η χρονολογική ηλικία αποτελεί σημαντικό παράγοντα κινδύνου για αρκετές νόσους. Τα αποτελέσματα της μελέτης μας δείχνουν ότι η διαφορά ανάμεσα στην πραγματική χρονολογική ηλικία και αυτή που προβλέπει το μοντέλο μας μπορεί να χρησιμοποιηθεί ως δείκτης για τον κίνδυνο διαφόρων χρονίων νόσων. Αυτή τη στιγμή έχουμε ξεκινήσει ήδη νέες μελέτες με σκοπό να βελτιστοποιήσουμε ακόμα περισσότερο το μοντέλο μας», καταλήγει η ομάδα της μελέτης.
Φωτογραφία: Linkedin Sales Navigator