123RF
EULAR: Sztuczna inteligencja pomaga w diagnostyce RZS
Tegoroczny kongres EULAR wpisał się w ogólnoświatowy trend do coraz szerszego wykorzystywania algorytmów sztucznej inteligencji, która – jak wynika z dwóch niezależnych od siebie badań – pozwala na przewidywanie reumatoidalnego zapalenia stawów u pacjentów z objawami przedmiotowymi i podmiotowymi niespełniającymi pełnych kryteriów choroby.
W jednym z badań naukowcy z Leiden University Medical Center w Holandii opracowali metodę automatycznej analizy skanów MR kończyn. Zbiór danych składał się z obrazów od 177 zdrowych osób, 692 osób z bólami stawów o niewyjaśnionym pochodzeniu (w tym 113, u których rozwinęło się RZS) i 969 z zapaleniem stawów o wczesnym początku (w tym 447, u których rozwinęło się RZS). Obrazy zostały poddane automatycznemu wstępnemu przetwarzaniu w celu usunięcia artefaktów, następnie przeszkolono model głębokiego uczenia się, aby przewidywać rozwój RZS w ciągu 2 lat.
Wykazano, że powyższy model charakteryzuje się mniej więcej 85-proc. dokładnością w przypadku, gdy materiałem do analizy były skany MR nadgarstka i stawów śródręczno-paliczkowych.
W drugim doniesieniu japoński zespół badawczy wykorzystał uczenie maszynowe do stworzenia modelu zdolnego do przewidywania progresji od niezróżnicowanego zapalenia stawów do RZS. W badaniu wykorzystano dane populacji z jednego ośrodka, obejmujące łącznie 322 pacjentów, u których początkowo rozpoznano niezróżnicowane zapalenie stawów. Model AI został oparty na 24 cechach klinicznych, które można łatwo uzyskać w rutynowej praktyce – zawierały m.in. wiek, płeć, stężenie CRP i DAS28-ESR. Tak skonstruowany model osiągnął dokładność przewidywania na poziomie około 85 proc. w kohorcie szkoleniowej, a kiedy zastosowano go do analizy zewnętrznego zestawu danych dokładność wyniosła 80 proc.
Powyższe badania stanowią duży krok naprzód w opiece nad pacjentami niespełniającymi (jeszcze) pełnych kryteriów RZS, ponieważ pomaga zidentyfikować tych, którzy mogą odnieść największe korzyści z regularnej obserwacji klinicznej, a w przypadku zidentyfikowania choroby możliwe będzie wczesne leczenie.
Opracowanie: lek. Damian Matusiak
Wykazano, że powyższy model charakteryzuje się mniej więcej 85-proc. dokładnością w przypadku, gdy materiałem do analizy były skany MR nadgarstka i stawów śródręczno-paliczkowych.
W drugim doniesieniu japoński zespół badawczy wykorzystał uczenie maszynowe do stworzenia modelu zdolnego do przewidywania progresji od niezróżnicowanego zapalenia stawów do RZS. W badaniu wykorzystano dane populacji z jednego ośrodka, obejmujące łącznie 322 pacjentów, u których początkowo rozpoznano niezróżnicowane zapalenie stawów. Model AI został oparty na 24 cechach klinicznych, które można łatwo uzyskać w rutynowej praktyce – zawierały m.in. wiek, płeć, stężenie CRP i DAS28-ESR. Tak skonstruowany model osiągnął dokładność przewidywania na poziomie około 85 proc. w kohorcie szkoleniowej, a kiedy zastosowano go do analizy zewnętrznego zestawu danych dokładność wyniosła 80 proc.
Powyższe badania stanowią duży krok naprzód w opiece nad pacjentami niespełniającymi (jeszcze) pełnych kryteriów RZS, ponieważ pomaga zidentyfikować tych, którzy mogą odnieść największe korzyści z regularnej obserwacji klinicznej, a w przypadku zidentyfikowania choroby możliwe będzie wczesne leczenie.
Opracowanie: lek. Damian Matusiak
