Nagła śmierć sercowa. To ponury nagłówek wiadomości, który każdego roku dotyka ponad 300 000 ludzi w Stanach Zjednoczonych.
Istnieją wszczepialne defibrylatory. Zatrzymują śmiertelne arytmie. Technologia działa dobrze. Ale główny problem? Często zbyt późno zdajemy sobie sprawę, kto ich potrzebuje.
Dziś sytuacja nieco się zmienia.
Zespół kierowany przez Ziada Obermeyera, adiunkta na Uniwersytecie Kalifornijskim w Berkeley, opublikował badanie w czasopiśmie Nature. Wytrenowali sieć neuronową do wykrywania niebezpieczeństwa za pomocą dziesięciosekundowego elektrokardiogramu (EKG). A następnie, co niezwykle ważne, utworzyli drugą sieć, aby pokazać dokładnie, w jaki sposób pierwsza doszła do swoich wniosków.
Dlaczego potrzebujemy drugiego modelu?
Bo medycyna nie lubi „czarnych skrzynek”. Eksperci-ludzie muszą zobaczyć dowody na własne oczy.
Obecnie kardiolodzy opierają się na frakcji wyrzutowej lewej komory (LVEF). Miara ta mierzy, ile krwi serce pompuje w jednym uderzeniu za pomocą ultradźwięków (echokardiografii).
Ale ta metoda jest daleka od doskonałości.
„Wiele osób, które zmarły w wyniku nagłej śmierci… poddało się temu badaniu i wyniki były w normie” – mówi Obermeyer. Jednocześnie wielu pacjentów wysokiego ryzyka w ogóle nie zostało przebadanych. Z drugiej strony większość osób sklasyfikowanych jako osoby wysokiego ryzyka nigdy nie aktywowała defibrylatorów. Niektórych traktujemy nadmiernie, a innych nie.
Zespół Obermeyera chciał zrobić więcej.
Zwrócili się do EKG. Tani. Dostępne wszędzie. Jednak przez sto lat kardiolodzy widzieli tylko znane przebiegi. Nie zauważono żadnego ukrytego kodu nagłej śmierci. Pozwolili więc głębokiemu uczeniu się zagłębiać w dane.
Za „silnik” posłużyła 64-warstwowa sieć ResNet. Nudny? Może.
„To rodzaj podstawowego narzędzia roboczego, którego wszyscy używają”.
Magia tkwiła w „paliwie”. Sieć przesłała ponad 440 090 zapisów EKG od 180 000 szwedzkich pacjentów, dopasowanych do rejestrów śmiertelności. Ogromna ilość danych. Sztuczna inteligencja sklasyfikowała około 2,2% jako ryzyko wysokie.
Czy to działa w innych ustawieniach?
Tak. Naukowcy przetestowali model na danych ze Stanów Zjednoczonych i Tajwanu. Sygnał pozostał wyraźny. W tej maleńkiej grupie wynoszącej 2,2% roczna śmiertelność osiągnęła 7%. Standardowe badania USG tego nie zauważają. Ponad 86% pacjentów wybranych przez sztuczną inteligencję nie podniosłoby alarmu przy użyciu tradycyjnych narzędzi. Osoby te prawdopodobnie wróciły do domu bez zabezpieczenia.
„Ale co dokładnie widzi maszyna?” zapytał Obermeyera.
Standardowe narzędzia wyjaśniające podkreślają piksele. To nie pomaga ludzkiemu lekarzowi. Potrzebujesz wzoru. Fala, którą można naszkicować na papierze.
Zbudowali więc model generatywny. Twoje zadanie: krok po kroku przekształcić bezpieczne EKG w ryzykowne, aż pierwsza sieć zacznie krzyczeć o niebezpieczeństwie.
Większość zmian była znana. Oczekiwany.
Ale jedna funkcja? Nowy. Nie było to wcześniej opisane.
Subtelne rozmycie w głównym aVL. To tak, jakby sygnał elektryczny ulegał fragmentacji, gdy uderzał w mięsień.
„Nauczyliśmy się nowych rzeczy dzięki sztucznej inteligencji” – mówi Changxin Lai z Uniwersytetu Johnsa Hopkinsa, który nie brał udziału w badaniu, ale recenzował prace.
Brzmi przerażająco?
Może. U niektórych pacjentów wysokiego ryzyka badanie MRI wykazało rozsiane zwłóknienie. Leczenie pokrywające się z niezwykłymi falami generowanymi przez sztuczną inteligencję. Fizyczny powód ostrzeżenia cyfrowego. Obermeyer przyznaje, że potwierdzenie biopsji nie jest jeszcze dostępne. To wstępne dane.
Nie panikować.
„Nie jest jeszcze gotowy do kierowania leczeniem” – ostrzega Sumit Chugh z Cedars-Sinai. Uważa on, że potrzeba znacznie więcej badań, zanim technologia będzie mogła zacząć identyfikować kandydatów na defibrylatory w praktyce.
Ale pomyśl o logistyce. MRI jest drogie. Rzadko używany do badań przesiewowych.
EKG? Dostępne wszędzie. Możesz nawet nagrać to na swoim Apple Watch. Tak, sztuczna inteligencja woli dane wysokiej jakości, ale różnica się zmniejsza. Według zespołu spadek jakości danych z urządzeń konsumenckich jest znikomy.
Co jest takiego wspaniałego w tym podejściu? Nie musisz ślepo ufać robotowi.
„Można go używać wyłącznie do ukierunkowanych badań przesiewowych” – wyjaśnia Obermeyer. Określa, kto potrzebuje dogłębnej analizy. I nikt dzisiaj nie potrzebuje operacji.
Ale jedno pytanie wisi w powietrzu.
Jeśli sztuczna inteligencja zauważy „pęknięcie” w sygnale, które ignorowaliśmy przez sto lat, ile innych „duchów” jest ukrytych na widoku w naszej dokumentacji medycznej?
Być może nigdy się nie dowiemy, jeśli ich nie posłuchamy.
