- Cercetătorii care au dezvoltat algoritmul computerizat speră că acesta ar putea reduce internările inutile în unitățile A&E aglomerate.
- Un studiu efectuat pe 10.286 de persoane cu dureri în piept a arătat că instrumentul de diagnosticare, denumit CoDE-ACS, a reușit să excludă un atac de cord la de două ori mai mulți pacienți decât metodele actuale de testare.
- Cercetări anterioare au arătat că femeile au cu 50% mai multe șanse de a fi diagnosticate incorect la început.
Un nou test dezvoltat cu ajutorul inteligenței artificiale ar putea ajuta medicii să diagnosticheze mai rapid și mai precis atacurile de cord, potrivit unui nou studiu. Cercetătorii care au dezvoltat algoritmul computerizat speră că acesta ar putea reduce numărul de internări inutile în unitățile A&E aglomerate – și, de asemenea, ar putea pune capăt prejudecăților clinice care, în prezent, fac ca unele femei să nu beneficieze de un tratament care le poate salva viața, anunță Sky News.
Un studiu efectuat pe 10.286 de persoane cu dureri în piept a arătat că instrumentul de diagnosticare, denumit CoDE-ACS, a reușit să excludă un atac de cord la de două ori mai mulți pacienți decât metodele actuale de testare, cu o precizie de 99,6%. În prezent, în Scoția, cu sprijinul Wellcome Leap, sunt în curs de desfășurare teste clinice pentru a evalua dacă instrumentul reduce presiunea asupra serviciilor de urgență supraaglomerate.
Multe afecțiuni provoacă simptome comune, iar diagnosticul nu este întotdeauna simplu
Profesorul Nicholas Mills, profesor de cardiologie la Centrul pentru Științe Cardiovasculare, Universitatea din Edinburgh, care a condus cercetarea, a declarat: „Pentru pacienții cu dureri toracice acute cauzate de un atac de cord, diagnosticarea și tratamentul precoce salvează vieți.” Din păcate, multe afecțiuni provoacă aceste simptome comune, iar diagnosticul nu este întotdeauna simplu.
„Exploatarea datelor și a inteligenței artificiale pentru a sprijini deciziile clinice are un potențial enorm de îmbunătățire a îngrijirii pacienților și a eficienței în departamentele noastre de urgență aglomerate.”
Standardul actual pentru diagnosticarea unui atac de cord este măsurarea nivelului de proteină troponină din sânge. Același prag este utilizat pentru fiecare pacient – chiar dacă nivelurile sunt afectate de vârstă, sex și alte condiții de sănătate.
Cercetări anterioare au arătat că femeile au cu 50% mai multe șanse de a fi diagnosticate incorect la început. Iar persoanele care primesc inițial un diagnostic greșit au un risc cu 70% mai mare de a muri după 30 de zile. Acest lucru ar putea fi prevenit de noul algoritm, potrivit Fundației Britanice a Inimii, care a finanțat lucrarea.
CoDE-ACS a funcționat bine indiferent de caracteristicile pacientului, potrivit unui studiu publicat în revista Nature Medicine. Acesta a fost dezvoltat cu ajutorul inteligenței artificiale pe baza datelor de la peste 10.000 de pacienți din Scoția. Acesta utilizează informații precum vârsta, sexul, rezultatele testelor ECG, istoricul medical și nivelul de troponină pentru a prezice probabilitatea ca o persoană să fi suferit un atac de cord.
Profesorul Sir Nilesh Samani, director medical al British Heart Foundation, a declarat „CoDE-ACS are potențialul de a exclude sau de a exclude un atac de cord cu mai multă precizie decât abordările actuale.„Ar putea fi transformator pentru departamentele de urgență, reducând timpul necesar pentru a pune un diagnostic și mult mai bine pentru pacienți”.
Profesorul Steve Goodacre, profesor de medicină de urgență la Universitatea din Sheffield, a calificat studiul drept „intrigant”, adăugând că acesta arată „modul în care AI poate folosi o analiză complexă, mai degrabă decât o regulă simplă, pentru a îmbunătăți diagnosticul”.
Citește și
- Ricky Gervais recunoaște că a trăit cele mai rele ore de boală din viața lui. Cu ce virus se confruntă actorul
- Volodimir Zelenski nu va ține un discurs la Eurovision. Motivul pentru care cererea sa nu poate fi aprobată
- Oameni de știință sunt nedumeriți. Baloanele din stratosferă înregistrează sunete misterioase de origine complet necunoscută