AI ECG మోడల్ పది సంవత్సరాల ముందే stroke risk‌ను అంచనా వేయగలదని సూచిస్తోంది

ఒక సాధారణ heart test లక్షణాలు కనిపించడానికి సంవత్సరాల ముందే stroke risk‌ను సూచించగలదు

Mass General Brigham మరియు Broad Instituteలోని investigators సహా co-led అయిన ఒక research team, standard electrocardiogram లేదా ECGను ఉపయోగించి రోగి stroke risk‌ను 10 సంవత్సరాల ముందుకు అంచనా వేయగల artificial intelligence model‌ను అభివృద్ధి చేసింది. ECG2Stroke అనే ఈ system 2,00,000 కంటే ఎక్కువ రోగుల dataపై train చేసి validate చేయబడింది, మరియు ఇది ఒక 10-second ECGతో పాటు రోగి age మరియు sex ఆధారంగా పనిచేసేలా రూపొందించబడింది.

ఈ పని, traditional screening tools‌లో తప్పిపోయే అవకాశమున్న వ్యక్తులను గుర్తించే scalable మార్గాన్ని సూచిస్తోంది. Stroke prevention తరచూ ప్రమాదాన్ని ముందే గుర్తించి చర్య తీసుకునేంత సమయానికి చేరడంపై ఆధారపడి ఉంటుంది, కానీ clinical risk scoring కష్టతరంగా ఉండవచ్చు మరియు routine careలో స్థిరంగా ఉపయోగించబడదు. Cardiologyలో ఇప్పటికే సాధారణంగా ఉపయోగించే, non-invasive test‌ను ఆధారంగా తీసుకుని AI ఈ అంతరాన్ని పూడ్చగలదని researchers వాదిస్తున్నారు.

మోడల్ ECG నుండి ఏమి నేర్చుకుంది

Clinical variables యొక్క పెద్ద జాబితాపై ఆధారపడటానికి బదులుగా, ECG2Stroke గుండె యొక్క electrical activityలోని సూక్ష్మ waveform patterns‌ను చూస్తుంది. అనేక hospitals మరియు patient subgroupsలో, చాలా తక్కువ inputs‌తోనే model ఒక validated clinical risk score‌కు సమానమైన పనితీరును చూపిందని researchers తెలిపారు. ఇది ముఖ్యమైనది, ఎందుకంటే ECGలు చవకైనవి, వేగవంతమైనవి, మరియు ఇప్పటికే everyday clinical workflowsలో భాగంగా ఉన్నాయి.

ఈ model‌ను Massachusetts General Hospitalలోని patient dataతో అభివృద్ధి చేసి, తరువాత Brigham and Women’s Hospital మరియు Beth Israel Deaconess Medical Centerలోని రోగులపై పరీక్షించారు. ఈ multi-hospital validation, findings‌కు single-site proof of concept కంటే ఎక్కువ బలం ఇస్తుంది, అయినప్పటికీ ఇది ఇంకా real-world deployment‌కు ముందున్న దశే.

అత్యంత బలమైన signal: cardioembolic stroke

అత్యంత ముఖ్యమైన కనుగొనుళ్లలో ఒకటి model‌కు cardioembolic strokeను అంచనా వేయడంలో ఉన్న ఖచ్చితత్వం. ఇది గుండెలో blood clots ఏర్పడి తరువాత మెదడుకు వెళ్లే subtype. Atria, అంటే గుండె యొక్క upper chambers, సంబంధిత dysfunctionను సూచించే ECG features predictionలపై అసమానంగా పెద్ద ప్రభావం చూపాయని researchers తెలిపారు. ఇది వైద్యపరంగా ముఖ్యమైనది, ఎందుకంటే high-risk రోగులను సమయానికి గుర్తిస్తే cardioembolic strokes‌ను చాలాసార్లు blood thinners‌తో నివారించవచ్చు.

ఆచరణలో, standard ECG readingలో స్పష్టంగా కనిపించని cardiac vulnerability సూచనలను model పట్టుకుంటున్నట్లు కనిపిస్తోంది. ఆ signals prospective studiesలో కూడా నిలబడితే, మరింత intense monitoring లేదా preventive treatment కోసం ఎవరికైనా ప్రాధాన్యం ఇవ్వాలా అన్నది నిర్ణయించడంలో ఈ tool clinicians‌కు సహాయపడగలదు.

ఇది ఆచరణలో ఎందుకు ప్రాముఖ్యం కలిగి ఉంటుంది

ECG2Stroke ఆకర్షణ కేవలం దాని performance మాత్రమే కాదు, దాని workflow fit కూడా. Existing stroke risk tools ఖచ్చితంగా ఉండవచ్చు, కానీ వాటిని పెద్ద స్థాయిలో అమలు చేయడం ఎల్లప్పుడూ సులభం కాదు. Clinical careలో ఇప్పటికే సేకరించిన ECGపై స్వయంచాలకంగా నడిచే ఒక system, ముఖ్యంగా preventable risk‌ను తక్కువ frictionతో గుర్తించే మార్గాలను వెతుకుతున్న health systemsలో, విస్తృతంగా అమలు చేయవచ్చు.

అది model దానంతట అదే careను మార్చడానికి సిద్ధంగా ఉందని అర్థం కాదు. Prospective, real-world confirmation ఇంకా అవసరమని authors స్పష్టంగా చెప్పారు. Retrospective datasetsలో predictive performance ఒక ముఖ్యమైన milestone, కానీ clinicians ఈ toolను live care settingsలో ప్రభావవంతంగా, సురక్షితంగా, మరియు సమానత్వంతో ఉపయోగించగలరని నిరూపించడమే వేరు.

అలాంటి model‌ను ఎలా ఉపయోగిస్తారన్న ప్రశ్న కూడా ఉంది. High riskగా గుర్తించబడిన కొందరు రోగులకు follow-up rhythm monitoring, imaging, లేదా ఇతర cardiovascular risk factorsను మరింత agressively నిర్వహించాల్సి రావచ్చు. మరికొందరికి వెంటనే intervention కంటే జాగ్రత్తగా పర్యవేక్షించడమే సరిపోవచ్చు. ఈ tool విలువ prediction accuracyపై మాత్రమే కాకుండా, అది decision-making pathwaysలో ఎంత బాగా సరిపోతుందన్నదానిపై కూడా ఆధారపడి ఉంటుంది.

అధికంగా passive prevention వైపు ఒక అడుగు

ఈ caveats ఉన్నప్పటికీ, ఆరోగ్య వ్యవస్థలో ఇప్పటికే ఉన్న tests నుండి clinically meaningful signals‌ను AI వెలికి తీయగలదని చూపించే పెరుగుతున్న పరిశోధనలో ఈ study చేరుతుంది. ECGను చాలా కాలంగా acute లేదా తెలిసిన heart problems‌ను diagnose చేయడానికి వాడుతున్నారు. ఈ research, అది భవిష్య neurological risk కోసం ఒక నిశ్శబ్ద forecasting toolగా కూడా పనిచేయగలదని సూచిస్తోంది.

Stroke medicineకి ఇది ఆకర్షణీయమైన ఆలోచన. Strokes తరచూ తీవ్ర నష్టం కలిగిస్తాయి, మరియు prevention తర్వాత చికిత్స కంటే చాలా ప్రభావవంతం. ఒక 10-second ECG, సంవత్సరాల ముందే ఎక్కువ శ్రద్ధ అవసరమైన రోగులను గుర్తించడంలో సహాయపడితే, stroke preventionను reactive care నుండి earlier, more routine screening వైపు మార్చగలదు. తదుపరి ప్రశ్న, ఈ వాగ్దానం రోజువారీ వైద్యచర్యలతో కలిసి నిలుస్తుందా అన్నదే.

ఈ వ్యాసం Medical Xpress నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.