Choroby naczyń mózgowych należą do najczęstszych przyczyn udaru mózgu, niepełnosprawności i przedwczesnych zgonów na świecie. Problem polega na tym, że przez długi czas mogą rozwijać się bez wyraźnych objawów, a pierwszym sygnałem bywa dopiero nagłe zdarzenie neurologiczne. Naukowcy z Korea Advanced Institute of Science and Technology (KAIST) opracowali system sztucznej inteligencji, który analizuje codzienne zachowania osób starszych i identyfikuje subtelne zmiany mogące świadczyć o rosnącym ryzyku choroby naczyniowo-mózgowej. Technologia ma wspierać profilaktykę oraz umożliwiać wcześniejsze skierowanie pacjenta do diagnostyki.
Z tego artykułu dowiesz się…
- Jak sztuczna inteligencja analizuje codzienną aktywność osób starszych, aby wykrywać wczesne sygnały ryzyka choroby naczyń mózgowych,
- Dlaczego zmiany rytmu dobowego, aktywności i warunków środowiskowych mogą wskazywać na rozwijającą się chorobę jeszcze przed pojawieniem się objawów,
- Jakie wyniki osiągnął model AI, który z dokładnością 96,53% odróżniał okres bezpośrednio poprzedzający diagnozę od wcześniejszego etapu,
- Dlaczego nowa technologia ma wspierać profilaktykę i wczesną konsultację lekarską, a nie zastępować diagnostyki klinicznej.
Choroba naczyń mózgowych często rozwija się bez wyraźnych objawów
Choroby naczyń mózgowych obejmują grupę schorzeń związanych z nieprawidłowym funkcjonowaniem naczyń zaopatrujących mózg w krew. Ich konsekwencją mogą być m.in. udary niedokrwienne i krwotoczne, zaburzenia poznawcze czy trwałe uszkodzenie układu nerwowego.
Jednym z największych wyzwań klinicznych pozostaje wykrycie zagrożenia na etapie poprzedzającym pojawienie się objawów. Dotychczas rozpoznanie najczęściej następowało dopiero po wystąpieniu pierwszych symptomów neurologicznych lub podczas badań wykonywanych z innych wskazań. Badacze z KAIST postanowili sprawdzić, czy codzienne funkcjonowanie seniorów może dostarczać sygnałów ostrzegawczych znacznie wcześniej.
Sztuczna inteligencja analizuje codzienne życie zamiast pojedynczych badań
Projekt został zrealizowany przez zespół kierowany przez profesor Lisę Lim z Wydziału Inżynierii Lądowej i Środowiskowej KAIST we współpracy z naukowcami z Uniwersytetu Sungkyunkwan oraz Szpitala Uniwersyteckiego Koreańskiego Anam. Opracowany model AI wykorzystuje długoterminowe dane dotyczące codziennego funkcjonowania osób starszych. Analizie podlegają między innymi:
- aktywność w ciągu dnia,
- długość i jakość snu,
- rytm dobowy,
- warunki środowiskowe panujące w domu,
- wiek,
- współistniejące choroby przewlekłe.
Zamiast opierać się wyłącznie na wynikach badań wykonywanych w placówkach medycznych, algorytm ocenia zachowanie człowieka w jego naturalnym środowisku. Dzięki temu możliwe staje się wychwycenie zmian, które pozostają niewidoczne podczas jednorazowej wizyty lekarskiej.
Analiza objęła ponad 13 tysięcy próbek z życia codziennego seniorów
Badanie przeprowadzono na podstawie danych pochodzących od 1224 osób starszych mieszkających we własnych domach. Źródłem informacji były tzw. dzienniki życia (life logs), gromadzone przez firmę LivOn Care Co., Ltd. Łącznie naukowcy przeanalizowali 13 362 dwutygodniowe próbki danych, obejmujące rzeczywiste zachowania uczestników.
Tak obszerna baza pozwoliła stworzyć model uczący się rozpoznawania cyfrowych markerów behawioralnych wskazujących na zwiększone ryzyko rozwoju choroby naczyń mózgowych jeszcze przed postawieniem diagnozy.
AI rozpoznawała okres bezpośrednio poprzedzający diagnozę z ponad 96-procentową skutecznością
Jednym z najważniejszych elementów projektu była próba określenia, czy sztuczna inteligencja potrafi odróżnić osoby znajdujące się już w okresie bezpośrednio poprzedzającym rozpoznanie choroby. Badacze podzielili dane na dwa etapy:
- okres ryzyka diagnostycznego – obejmujący cztery tygodnie przed rozpoznaniem choroby,
- okres niepewny – obejmujący wcześniejsze 12 tygodni.
Model AI rozróżnił oba okresy z dokładnością wynoszącą 96,53%. Oznacza to, że niewielkie zmiany w codziennym funkcjonowaniu mogą stanowić cenne źródło informacji o wzrastającym ryzyku choroby jeszcze przed zgłoszeniem się pacjenta do lekarza.
Zaburzenia rytmu dobowego okazały się jednym z najważniejszych sygnałów ostrzegawczych
Analiza wyjaśnialnej sztucznej inteligencji (Explainable AI) pozwoliła określić, które elementy stylu życia miały największy wpływ na ocenę ryzyka. Naukowcy zaobserwowali, że osoby znajdujące się w fazie prodromalnej choroby naczyń mózgowych częściej wykazywały aktywność między 22:00 a 2:00 w nocy. Zamiast przygotowywać się do snu, pozostawały aktywne przez dłuższy czas, co wskazywało na zaburzenia rytmu okołodobowego. Jednocześnie wraz ze zbliżaniem się momentu diagnozy zauważono:
- spadek aktywności między godziną 18:00 a 22:00,
- wydłużanie okresów bezczynności,
- częstsze występowanie niskiej wilgotności powietrza w pomieszczeniach.
Autorzy podkreślają, że to właśnie kombinacja wielu subtelnych zmian, a nie pojedynczy parametr, pozwala algorytmowi ocenić poziom ryzyka.
Wyjaśnialna sztuczna inteligencja pokazuje, dlaczego ocenia pacjenta jako zagrożonego
Jednym z wyróżników opracowanej technologii medycznej jest zastosowanie wyjaśnialnej sztucznej inteligencji. W przeciwieństwie do klasycznych modeli typu „czarna skrzynka”, system nie ogranicza się do wygenerowania wyniku ryzyka. Pokazuje również, które zachowania oraz czynniki środowiskowe miały największy wpływ na końcową ocenę.
Podejście takie może zwiększyć zaufanie lekarzy i opiekunów do rekomendacji generowanych przez algorytm oraz ułatwić interpretację wyników podczas podejmowania decyzji klinicznych.
Technologia ma wspierać lekarzy, a nie zastępować diagnostykę
Autorzy badania podkreślają, że opracowane rozwiązanie nie przewiduje dokładnego momentu wystąpienia choroby ani nie zastępuje diagnostyki prowadzonej przez lekarza. Jego rolą jest wychwytywanie sygnałów ostrzegawczych, które mogą skłonić do wcześniejszej konsultacji neurologicznej i wykonania badań obrazowych lub laboratoryjnych. Technologia może okazać się szczególnie wartościowa u osób starszych, które często mają trudności z zauważeniem lub opisaniem pierwszych zmian dotyczących swojego funkcjonowania.
Przed wdrożeniem do praktyki klinicznej konieczne będzie jednak przeprowadzenie prospektywnych badań z udziałem większych grup pacjentów, które potwierdzą skuteczność rozwiązania w różnych populacjach.
Badacze widzą szansę na zmianę modelu opieki nad osobami starszymi
Zdaniem autorów system może stać się elementem rozwijającej się cyfrowej opieki zdrowotnej i wspierać monitorowanie stanu zdrowia seniorów w warunkach domowych. Profesor Lisa Lim powiedziała:
Kluczem do tego badania nie jest to, że sztuczna inteligencja powinna zastąpić diagnozę szpitalną, ale to, że może ona najpierw wykryć sygnały ryzyka w drobnych zmianach stylu życia w domu i pomóc pacjentom we właściwym czasie skontaktować się z opieką medyczną. Dodała: oczekujemy, że ta technologia przyczyni się do przejścia od systemu opieki zdrowotnej, który leczy chorobę po jej wystąpieniu, do systemu, który wspiera profilaktykę i wczesną interwencję.
Główne wnioski
- Naukowcy z KAIST opracowali system AI analizujący dane dotyczące aktywności, snu, rytmu dobowego, środowiska domowego oraz chorób przewlekłych w celu wykrywania wczesnych oznak choroby naczyń mózgowych.
- Model został opracowany na podstawie danych od 1224 osób starszych i analizy 13 362 dwutygodniowych próbek zebranych w rzeczywistych warunkach domowych.
- Algorytm z dokładnością 96,53% rozróżniał okres bezpośrednio poprzedzający diagnozę od wcześniejszego etapu ryzyka, wykorzystując subtelne zmiany w codziennym funkcjonowaniu.
- Technologia nie zastępuje diagnozy lekarskiej, lecz ma wspierać wczesne wykrywanie zagrożenia i profilaktykę. Wyniki opublikowano w czasopiśmie npj Digital Medicine, a przed wdrożeniem do praktyki klinicznej konieczne są dalsze badania.
Źródło:
- https://www.nature.com/articles/s41746-026-02836-7
- The Korea Advanced Institute of Science and Technology (KAIST)
