Zastosowanie sztucznej inteligencji w medycynie sercowo-naczyniowej coraz częściej znajduje potwierdzenie nie tylko w badaniach eksperymentalnych, ale również w praktyce klinicznej. Najnowszym przykładem takiego przełomu jest publikacja w renomowanym czasopiśmie European Heart Journal, której współautorem jest prof. Tomasz Roleder z Wydziału Medycznego Politechniki Wrocławskiej. Artykuł „Artificial intelligence-based identification of thin-cap fibroatheromas and clinical outcomes: the PECTUS-AI study” opisuje przełomowe wyniki badań nad wykorzystaniem AI w inwazyjnej diagnostyce choroby wieńcowej, z naciskiem na ocenę blaszek miażdżycowych wysokiego ryzyka.
Z tego artykułu dowiesz się…
- na czym polega przełomowe zastosowanie AI w obrazowaniu naczyń wieńcowych,
- co oznacza identyfikacja zmian TCFA w kontekście choroby wieńcowej,
- jak sztuczna inteligencja wspiera decyzje kliniczne w czasie rzeczywistym,
- dlaczego publikacja z udziałem naukowca z Wrocławia znalazła się w European Heart Journal.
PECTUS-AI: interdyscyplinarna współpraca i nowa jakość w kardiologii
Projekt badawczy PECTUS-AI to efekt współpracy specjalistów z Radboud University Medical Center w Nijmegen oraz Amsterdam University Medical Center. Zespół tworzyli lekarze, inżynierowie i informatycy, których celem było wykorzystanie AI do analizy obrazów z tomografii optycznej koherencyjnej (OCT), stosowanej w obrazowaniu wewnątrznaczyniowym.
OCT to jedna z najbardziej zaawansowanych technik diagnostycznych dostępnych w kardiologii inwazyjnej. Pozwala na precyzyjne obrazowanie wnętrza tętnic wieńcowych i identyfikację tzw. blaszki miażdżycowej z cienką pokrywą włóknistą (thin-cap fibroatheroma, TCFA) – jednej z głównych przyczyn zawału serca.
Rola sztucznej inteligencji w ocenie ryzyka
Badanie wykazało, że sztuczna inteligencja może nie tylko skutecznie wykrywać zmiany miażdżycowe typu TCFA, ale również przewidywać ryzyko niekorzystnych zdarzeń sercowo-naczyniowych, takich jak ponowna hospitalizacja czy zawał mięśnia sercowego.
Najważniejszym efektem naszych badań jest potwierdzenie, że analiza obrazu przy użyciu algorytmów AI potrafi precyzyjnie określać ryzyko przyszłych, niepożądanych zdarzeń sercowo-naczyniowych czyli hospitalizacji pacjenta z powodu choroby wieńcowej w przyszłości – wyjaśnia prof. Tomasz Roleder z Katedry Nauk Klinicznych Niezabiegowych, prodziekan ds. klinicznych i nauki.
Technologia ta może być stosowana jako alternatywa dla ręcznej analizy obrazów wykonywanej przez ekspertów w laboratoriach, co oznacza znaczne skrócenie czasu potrzebnego na diagnostykę oraz zmniejszenie liczby błędów subiektywnych.
Nowe możliwości dla kardiologii personalizowanej
Zastosowanie algorytmów sztucznej inteligencji może zrewolucjonizować praktykę kliniczną poprzez wsparcie lekarzy w podejmowaniu decyzji terapeutycznych w czasie rzeczywistym.
Sztuczna inteligencja może wspierać podejmowanie decyzji w czasie rzeczywistym w praktyce klinicznej i utorować drogę do bardziej spersonalizowanej kardiologii – dodaje prof. Roleder.
Zdaniem autorów badania, AI w obrazowaniu OCT pozwala nie tylko lepiej identyfikować pacjentów wysokiego ryzyka, ale również usprawniać pracę w pracowniach hemodynamicznych, planować terapię prewencyjną i optymalizować wykorzystanie zasobów kadrowych i technologicznych w kardiologii inwazyjnej.
Autorzy podkreślają, że AI w diagnostyce kardiologicznej to nie tylko narzędzie wspomagające, ale realna szansa na poprawę jakości i skuteczności leczenia chorób układu krążenia – jednej z głównych przyczyn zgonów na świecie.
👉 Wyniki oraz opis badań znajdziesz pod TYM LINKIEM
Główne wnioski
- AI może z dużą precyzją wykrywać blaszki TCFA na podstawie obrazów z tomografii optycznej (OCT), przewidując przyszłe zdarzenia sercowo-naczyniowe.
- Prof. Tomasz Roleder z Politechniki Wrocławskiej współtworzył badanie opublikowane w *European Heart Journal*, potwierdzając rosnącą rolę polskich ośrodków w kardiologii eksperymentalnej.
- Badanie PECTUS-AI potwierdza potencjał kliniczny AI w personalizowaniu leczenia i optymalizacji pracy w hemodynamice.
- Algorytmy AI mogą zastąpić manualną analizę obrazów OCT, oszczędzając czas i zmniejszając ryzyko błędów interpretacyjnych.
Źródło:
- Politechnika Wrocławska
