สิ่งที่คุณต้องรู้:
– นักวิจัยที่ Mount Sinai ได้ปรับปรุงอัลกอริทึมปัญญาประดิษฐ์ (AI) ที่มีอยู่เพื่อให้ความน่าจะเป็นเชิงตัวเลขที่ระบุผู้ป่วยที่มีความเสี่ยงต่อการเกิด cardiomyopathy hypertrophic (HCM) ซึ่งเป็นภาวะหัวใจทางพันธุกรรมทั่วไป
-การสอบเทียบอัลกอริทึม HCM ที่ได้รับการอนุมัติจาก FDA ซึ่งมีรายละเอียดในการศึกษาที่ตีพิมพ์ 22 เมษายน 2568 ชื่อใครมีจุดมุ่งหมายเพื่อให้ข้อมูลที่มีความหมายและการกระทำมากขึ้นแก่แพทย์และผู้ป่วย
ก้าวข้ามธงไปสู่ความเสี่ยงส่วนบุคคล -โดย
ในขณะที่อัลกอริทึม Viz HCM ดั้งเดิมสามารถระบุ ECG เป็นสัญญาณที่เป็นไปได้ของ HCM Mount Sinai เพิ่มชั้นที่สำคัญของความจำเพาะ แทนที่จะได้รับสัญญาณเตือนทั่วไปเช่น “ทำเครื่องหมายว่าเป็น HCM ที่สงสัยว่า” หรือ “ความเสี่ยงสูงต่อ HCM” แพทย์และผู้ป่วยสามารถเข้าใจความเสี่ยงในเชิงปริมาณ “ตัวอย่างเช่น … การศึกษา Mount Sinai อนุญาตให้มีการตีความเช่น ‘คุณมีโอกาสประมาณ 60 เปอร์เซ็นต์ในการมี HCM'” ดร. โจชัวแลมเพอร์ตผู้อำนวยการฝ่ายการเรียนรู้ของเครื่องจักรที่โรงพยาบาลหัวใจ Mount Sinai Fuster อธิบายและรองศาสตราจารย์ด้านการแพทย์ การปรับแต่งนี้ให้ผู้ป่วยที่อาจไม่ได้รับการวินิจฉัยว่ามีความเข้าใจที่ชัดเจนและเป็นรายบุคคลมากขึ้นเกี่ยวกับความเสี่ยงที่อาจเกิดขึ้น
การศึกษาตรวจสอบความถูกต้องของแบบจำลอง AI ที่ปรับเทียบแล้ว
เพื่อพัฒนาและตรวจสอบการสอบเทียบนี้ทีมวิจัย Mount Sinai ใช้อัลกอริทึม Viz HCM สำหรับข้อมูลคลื่นไฟฟ้าหัวใจจากผู้ป่วยเกือบ 71,000 คนที่ได้รับระหว่างวันที่ 723 มีนาคมถึง 18 มกราคม 2024 นักวิจัยได้ทำการทบทวนรายละเอียดเกี่ยวกับรายการทางการแพทย์ของผู้ป่วยและข้อมูลการถ่ายภาพเพื่อยืนยันว่า การใช้ข้อมูลประสิทธิภาพที่ได้รับการยืนยันนี้พวกเขาใช้เทคนิคการสอบเทียบแบบจำลองสำหรับคะแนนเอาต์พุตของ AI -Algorithm การศึกษาพบว่าแบบจำลองการสอบเทียบที่เกิดขึ้นได้ประสบความสำเร็จในการประมาณการที่แม่นยำของความเป็นไปได้ที่แท้จริงของผู้ป่วยที่มี HCM
กล่าวถึงสภาวะหัวใจที่ไม่ได้รับการวินิจฉัยภายใต้
hypertrophic cardiomyopathy ส่งผลกระทบต่อผู้คนประมาณ 200 คนทั่วโลกและเป็นสาเหตุสำคัญของการปลูกถ่ายหัวใจ เนื่องจากผู้ป่วยจำนวนมากยังคงไม่มีอาการจนกว่าโรคจะสูงขึ้นจึงมักจะไม่ได้รับการวินิจฉัย เครื่องมือเช่นอัลกอริทึม Viz HCM ที่สอบเทียบได้ส่งเสริมสัญญาของการตรวจจับและการแทรกแซงก่อนหน้านี้ ทีม Mount Sinai วางแผนที่จะขยายการวิจัยนี้และทดสอบวิธีการสอบเทียบ AI ของ HCM ในระบบสุขภาพเพิ่มเติมทั่วประเทศเพื่อพิจารณาว่ากลยุทธ์นี้ใช้ได้จริงหรือไม่
การปรับปรุงการทดลองการให้คำปรึกษาและความมุ่งมั่นของผู้ป่วย
ความสามารถในการกำหนดความน่าจะเป็นที่เฉพาะเจาะจงมีประโยชน์ทางคลินิกที่อาจเกิดขึ้นอย่างมีนัยสำคัญ “ นี่เป็นขั้นตอนสำคัญในการแปลอัลกอริทึมที่รักใหม่ไปสู่การปฏิบัติทางคลินิกโดยให้ข้อมูลเกี่ยวกับแพทย์และผู้ป่วยที่มีความหมายมากขึ้น” ดร. Lampt เขาอธิบายอย่างละเอียดว่า “แพทย์สามารถปรับปรุงเวิร์กโฟลว์ทางคลินิกของพวกเขาโดยการทำให้มั่นใจว่าผู้ป่วยที่มีความเสี่ยงสูงสุดจะถูกระบุที่ด้านบนของรายการงานทางคลินิกของพวกเขาโดยใช้เครื่องมือการเรียงลำดับ” นอกจากนี้ข้อมูลความเสี่ยงที่แม่นยำยิ่งขึ้นยังช่วยเพิ่มคำแนะนำผู้ป่วย “ ผู้ป่วยสามารถได้รับคำแนะนำที่ดีขึ้นโดยการรับข้อมูลเป็นรายบุคคลมากขึ้นผ่านการสอบเทียบแบบจำลอง” ดร. แลมป์กล่าวเสริม การสื่อสารที่ได้รับการปรับปรุงนี้สามารถนำไปสู่การประเมินผลและการเริ่มต้นการรักษาที่เร็วขึ้นและเป็นส่วนตัวมากขึ้นซึ่งอาจป้องกันภาวะแทรกซ้อน HCM ที่รุนแรงเช่นการเสียชีวิตอย่างกะทันหันโดยเฉพาะอย่างยิ่งในบุคคลที่อายุน้อยกว่า “สิ่งนี้สามารถเปลี่ยนการปฏิบัติทางคลินิกได้เนื่องจากขั้นตอนให้ข้อมูลที่มีความหมายในวิธีการทางคลินิกเพื่ออำนวยความสะดวกในการดูแลผู้ป่วย” เขากล่าวสรุป
ผู้เชี่ยวชาญด้านข้อมูลเชิงลึกเกี่ยวกับการใช้ AI ในทางปฏิบัติในโรคหัวใจ
นักเขียนอาวุโสในการศึกษาเน้นความสำคัญของการแปลความคืบหน้าของ AI เป็นเครื่องมือทางคลินิกในทางปฏิบัติ “ การศึกษาครั้งนี้มีความจำเป็นอย่างยิ่งที่จะช่วยพิจารณาว่าเราจะทำการทดลองใช้ความเสี่ยงและให้คำแนะนำแก่ผู้ป่วยได้อย่างไร “การใช้ cardiomyopathy hypertrophic เป็นกรณีการใช้งานตัวอย่างเราแสดงให้เห็นว่าเราสามารถใช้งานเครื่องมือใหม่ในทางปฏิบัติได้อย่างไรแม้ในการตั้งค่าโรคที่พบบ่อยน้อยกว่าโดยการเรียงลำดับการจำแนกประเภท AI ไปยังผู้ป่วยที่ triage” ดร. Girish N. Nadkarni ประธานแผนกปัญญาประดิษฐ์และสุขภาพของมนุษย์ใน Icahn Mount Sinai กล่าวเสริมว่า “การศึกษาครั้งนี้สะท้อนให้เห็นถึงวิทยาศาสตร์การดำเนินงานที่ดีที่สุด … มันไม่ใช่แค่การสร้างอัลกอริทึมที่มีประสิทธิภาพสูง