Sztuczna inteligencja coraz wyraźniej zaznacza swoją obecność w nowoczesnej medycynie, a nowe badania sugerują, że jej zastosowanie może zrewolucjonizować podejście do diagnozowania jednego z najczęstszych i ukrytych czynników ryzyka udaru mózgu — migotania przedsionków. Zespół naukowców z Melbourne Brain Centre oraz Uniwersytetu w Melbourne wykazał, że algorytmy uczące się na podstawie obrazów rezonansu magnetycznego (MRI) mogą skutecznie identyfikować przypadki migotania przedsionków, nawet jeśli wcześniej pozostały one niezdiagnozowane. Odkrycia te opublikowano na łamach prestiżowego czasopisma naukowego Cerebrovascular Diseases.
Migotanie przedsionków (AF – atrial fibrillation) to zaburzenie rytmu serca, które aż pięciokrotnie zwiększa ryzyko wystąpienia udaru mózgu. Problemem jest jednak jego częsty, utajony przebieg — objawy nie muszą wcale występować, co sprawia, że choroba bywa zdiagnozowana dopiero po wystąpieniu pierwszego incydentu neurologicznego. Dotychczasowe metody wykrywania AF, takie jak długoterminowe monitorowanie pracy serca, niosą ze sobą wysokie koszty, są inwazyjne i czasochłonne.
Alternatywę niesie ze sobą technologia oparta o analizę obrazów MRI za pomocą sztucznej inteligencji. W przypadku badania australijskich naukowców, algorytm został wytrenowany na danych pacjentów, którzy przeszli udar mózgu. System uczył się identyfikować charakterystyczne wzorce uszkodzeń mózgowych, które wiążą się z występowaniem migotania przedsionków. Wyniki wskazują, że stosowany model AI potrafił z „zadowalającą mocą klasyfikacyjną” odróżnić udary spowodowane przez AF od tych wywołanych niedrożnością naczyń krwionośnych.
Co istotne, skuteczność modelu oceniono na podstawie wskaźnika AUC, który osiągnął wartość 0.81 — to rezultat uważany za silny, sugerujący praktyczne zastosowanie w klinice. Warto zaznaczyć, że tego rodzaju analiza nie wymaga wykonywania dodatkowych badań czy ekspertyz. Obrazy MRI są bowiem standardowym elementem diagnostyki po udarze, co czyni rozwiązanie nie tylko efektywnym, ale także tanią i nieinwazyjną metodą wspomagającą późniejsze decyzje terapeutyczne.
Zastosowanie sztucznej inteligencji w neurologii niesie ze sobą ogromny potencjał. Jeżeli algorytmy będą dalej udoskonalane i potwierdzą skuteczność w badaniach na większej populacji pacjentów, mogą stać się realnym wsparciem dla lekarzy w szybkim wykrywaniu osób wymagających dalszej kardiologicznej oceny i wdrożenia leczenia przeciwzakrzepowego. Dzięki temu możliwa będzie skuteczniejsza prewencja wtórna — czyli zapobieganie kolejnym udarom spowodowanym niezdiagnozowanym AF.
Redaktor naczelny czasopisma Cerebrovascular Diseases, profesor Craig Anderson, podkreśla wagę wczesnego wykrywania migotania przedsionków: „Wczesna diagnoza AF jest kluczowa, by zapewnić pacjentowi najlepsze szanse na uniknięcie ciężkiego udaru zakrzepowego. Praca zespołu Sharobeam i wsp. prezentuje nowatorskie podejście do wykorzystania algorytmów AI do diagnozy migotania przedsionków w oparciu o wzorce niedokrwienia mózgu na obrazach MRI”.
Nowe technologie przywracają nadzieję setkom tysięcy pacjentów narażonych na udar mózgu bez wcześniejszej świadomości ryzyka. Odpowiednio wdrożona sztuczna inteligencja może w niedalekiej przyszłości nie tylko wspomóc personalizację leczenia, ale też diametralnie zwiększyć jego skuteczność – szczególnie tam, gdzie kluczowa jest szybkość i precyzja w postawieniu diagnozy.