2023. 12. 20. - 08:40
Elesés és csonttörés kockázatát azonosítja időseknél a mesterséges intelligencia
Azonosítja egy új mesterséges intelligencia algoritmus az idős nők esetében az elesés és a csonttörés kockázatát.
Egy új mesterséges intelligencia algoritmus képes felismerni az idős nők elesésének és csonttörésének kockázatát.
Az ausztrál Edith Cowan Egyetem (ECU) kutatói automatizált gépi tanulási algoritmust fejlesztettek ki, amely pontosan értékeli a hasi aorta meszesedését (AAC) a rutin csontsűrűség-vizsgálat során. Az AAC az előrehaladott érbetegség mértékeként ismert.
Az új észlelési módszer jelentősen lerövidíti az AAC szűréséhez szükséges időt.
Az algoritmusnak mindössze 1 perc a szűrés
Az algoritmusnak kevesebb mint egy percbe telik, hogy megjósolja több száz kép AAC-pontszámát – szemben azzal az 5-6 perccel, amennyi időbe egy tapasztalt orvosnak szüksége lenne egy AAC-pontszám megszerzéséhez egy képről.
A kutatók jelezték: tisztában vannak vele, hogy a közepestől a kiterjedtig terjedő hasi aorta meszesedés - mely minden második idősebb nőnél megfigyelhető -, az esés és a csonttörés fokozott kockázatával jár.
„Annak meghatározása, hogy ezek az összefüggések az automatizálás után is összehasonlíthatók-e, kritikus fontosságú lépés, hogy a csontsűrűség-vizsgálat során készített oldalsó gerincképek klinikai használhatóságát fokozzuk” – jegyezték meg. Olvasd el: Tökéletes másodvéleménnyel szolgál a mesterséges intelligencia az orvoslásban
Azonosítja egy új mesterséges intelligencia algoritmus az elesés és a csonttörés kockázatát
A tanulmányt, amely a Journal of Bone and Mineral Research folyóiratban jelent meg, az ECU posztdoktor kutatója, dr. Jack Dalla Via vezette.
A szakember megállapította, hogy az algoritmuson keresztül szemügyre vett, közepes vagy kiterjedt mértékű AAC-ban szenvedő nőknél megnövekedett az eséssel összefüggő kórházi kezelés és a klinikai törések kockázata az alacsony AAC-vel rendelkezőkhöz képest.
Ez a tanulmány az első a maga nemében, amely feltárja, hogy az automatikusan kiértékelt hasi aorta meszesedés képes azonosítani azokat az idősebb nőket, akiknél nagyobb az esések és törések valószínűsége.
Egy automatizált algoritmus lehetővé teszi az AAC azonnali és zökkenőmentes értékelését és jelentését a klinikai gyakorlatban, amikor oldalsó gerincképet rögzítenek – jegyezte meg dr. Dalla Via.
Hozzátette: lényeges, hogy algoritmusuk megfelelő szintű megegyezéssel rendelkezik az AAC-vel, amelyet képzett szakértők manuálisan értékeltek.
Értékes gépi tanulási módszer
„A csontsűrűség-vizsgálatok igen alacsony sugárdózist igényelnek és rutinszerűen használják azokat csontritkulás szűrésére, amelyet leggyakrabban idősebb nőknél végeznek. Ezért ennek a gépi tanulási megközelítésnek azon képessége, hogy újszerű, nem izomból és csontból származó információkat nyújtson az esések és törések kockázatáról, rendkívül értékes lenne a csontsűrűség-teszt idején” – mondta a szakember.
Hozzátette: az eséseken és töréseken túl kimutatták azt is, hogy az AAC erős előrejelzője a szív- és érrendszeri eseményeknek, a késői elbutulásnak és a mortalitásnak is. Ez fontos az egyéb egészségügyi következmények opportunista egészségügyi szűrése során.
Dr. Dalla Via a tanulmányban arról is beszámolt, hogy a hasi aorta meszesedés és az esések, valamint a törési kockázat közötti megfigyelt kapcsolat mögött meghúzódó lehetséges mechanizmusok még nem ismertek.
Ez azonban kapcsolódhat olyan közös mögöttes mechanizmusokhoz, mint például a krónikus, alacsony fokú gyulladás, közös kockázati tényezők, mint a dohányzás, vagy a károsodott véráramlás, amelyek hozzájárulhatnak a törések kockázatának növekedéséhez.
Az érrendszeri megbetegedések ugyancsak valószínűbbé tehetik a megnövekedett esés-hajlamot és az azt követő töréseket.
L.A.
