Náhlá srdeční smrt. Je to ponurý titulek zpráv, který každý rok postihne více než 300 000 lidí ve Spojených státech.
Implantovatelné defibrilátory existují. Zastavují smrtelné arytmie. Technologie funguje dobře. Ale hlavní problém? Často si příliš pozdě uvědomíme, kdo je potřebuje.
Dnes se situace trochu mění.
Tým vedený Ziadem Obermeyerem, odborným asistentem na Kalifornské univerzitě v Berkeley, publikoval studii v časopise Nature. Vycvičili neuronovou síť k detekci nebezpečí pomocí desetisekundového elektrokardiogramu (EKG). A pak, což je velmi důležité, vytvořili druhou síť, aby přesně ukázali, jak ta první došla ke svým závěrům.
Proč potřebujeme druhý model?
Protože medicína nemá ráda „černé skříňky“. Lidští experti potřebují vidět důkazy na vlastní oči.
V současné době se kardiologové spoléhají na ejekční frakci levé komory (LVEF). Toto měření měří, kolik krve srdce vypumpuje za jeden úder pomocí ultrazvuku (echokardiografie).
Tato metoda má ale k dokonalosti daleko.
“Mnoho lidí, kteří zemřou na náhlou smrt… podstoupilo tento test a výsledky byly normální,” říká Obermeyer. Mnoho rizikových pacientů přitom nebylo skenováno vůbec. Na druhou stranu většina lidí klasifikovaných jako vysoce rizikové své defibrilátory nikdy neaktivovala. Některé přeléčíme a jiné nedostatečně.
Obermeyerův tým chtěl udělat víc.
Obrátili se na EKG. Levný. Dostupné všude. Po celé století však kardiologové viděli pouze známé průběhy. Nebyl zaznamenán žádný skrytý kód pro náhlou smrt. Nechali tedy hluboké učení proniknout do dat.
64vrstvá síť ResNet fungovala jako „motor“. Nudný? Možná.
“Je to takový základní pracant, kterého používá každý.”
Kouzlo bylo v „palivu“. Síť předložila více než 440 090 EKG od 180 000 švédských pacientů, odpovídajících registrům úmrtnosti. Obrovské množství dat. Umělá inteligence klasifikovala přibližně 2,2 % jako vysoce rizikové.
Funguje to v jiných nastaveních?
Ano. Vědci testovali model na datech ze Spojených států a Tchaj-wanu. Signál zůstal čistý. V této malé skupině 2,2 % dosáhla roční úmrtnost 7 %. Standardní ultrazvukové testy toto postrádají. Více než 86 % pacientů vybraných AI by nevyvolalo poplach pomocí tradičních nástrojů. Tito lidé pravděpodobně odešli domů bez ochrany.
“Ale co přesně stroj vidí?” zeptal se Obermeyer.
Standardní nástroje pro vysvětlení zvýrazňují pixely. To lidskému lékaři nepomůže. Potřebujete vzor. Vlna, kterou lze načrtnout na papír.
Vytvořili tedy generativní model. Její úkol: krok za krokem přeměnit bezpečné EKG na rizikové, dokud první síť nezakřičí nebezpečí.
Většina změn byla znát. Očekávaný.
Ale jedna vlastnost? Nový. Dříve to nebylo popsáno.
Jemné rozmazání v olověném aVL. Je to, jako by se elektrický signál při dopadu na sval fragmentoval.
„Z umělé inteligence jsme se naučili nové věci,“ říká Changxin Lai z Johns Hopkins University, který se na studii nepodílel, ale práci přezkoumal.
Zní to děsivě?
Možná. U některých vysoce rizikových pacientů MRI prokázala difuzní fibrózu. Léčení, které se shoduje s neobvyklými vlnami generovanými AI. Fyzický důvod pro digitální varování. Obermeyer připouští, že potvrzení biopsie zatím není k dispozici. Toto jsou předběžné údaje.
Nepanikařte.
“Zatím není připraveno k vedení léčby,” varuje Sumit Chugh z Cedars-Sinai. Věří, že bude zapotřebí mnohem více výzkumu, než bude technologie moci začít identifikovat kandidáty na defibrilátory v praxi.
Myslete ale na logistiku. MRI je drahá. Málo používané pro screening.
EKG? Dostupné všude. Můžete si to dokonce nahrát na Apple Watch. Ano, AI preferuje kvalitní data, ale mezera se zmenšuje. Podle týmu je pokles kvality dat ze spotřebitelských zařízení zanedbatelný.
Co je na tomto přístupu tak skvělého? Robotovi nemusíte slepě věřit.
„Můžete jej použít pouze pro cílený screening pro další vyšetření,“ vysvětluje Obermeyer. Určuje, kdo potřebuje hloubkovou analýzu. A operaci dnes nikdo nepotřebuje.
Jedna otázka ale visí ve vzduchu.
Pokud si AI všimne „praskliny“ v signálu, kterou jsme sto let ignorovali, kolik dalších „duchů“ je skryto na očích v našich lékařských záznamech?
Možná se to nikdy nedozvíme, pokud je neposloucháme.
