Az új döntéstámogató rendszer a betegek klinikai adatai alapján nyújt segítséget a kezelőorvosnak a magasabb halálozási kockázattal bíró, így szorosabb utánkövetést igénylő szívelégtelen betegek azonosításában - olvasható a Semmelweis Egyetem oldalán .
Személyre szabott rizikóbecslés
A szív csökkent pumpafunkciója miatt kialakult keringési elégtelenség halálozási aránya a súlyos daganatos betegségekhez mérhető. A szívelégtelenségben szenvedő betegek mintegy harmadánál a szív kamráin belüli ingerületvezetési zavar, vezetési blokk jelenik meg, ez pedig tovább rontja a szív pumpafunkcióját. Ennek a kezelését célozza egy speciális, három szívüreget ingerlő pacemaker beültetése, az úgynevezett cardiális reszinkronizációs terápia (CRT). Ez az eszközös terápia enyhíti a szívelégtelenség tüneteit, javítja a betegek életminőségét és jelentősen növeli a túlélési esélyeket is.
A betegség természete miatt kiemelt jelentőséggel bír a magas halálozási kockázattal rendelkező páciensek azonosítása, vagyis a személyre szabott rizikóbecslés, Így ugyanis kiválaszthatók azok a betegek, akik a beavatkozás után szorosabb utánkövetést igényelnek - magyarázta Dr. Tokodi Márton, a Városmajori Szív- és Érgyógyászati Klinika PhD-hallgatója, aki a publikált cikk egyik vezető szerzője. Ezekre a páciensekre különös figyelmet kell fordítani az utánkövetés során, mivel még komplexebb gyógyszeres és eszközös terápia, esetlegesen szívtranszplantáció is szükségessé válhat - tette hozzá. Ez ráadásul adott esetben a várható élettartam további növekedését jelentheti a betegek számára. Ebben nyújt segítséget a kutatócsoport által kifejlesztett döntéstámogató rendszer.
A mesterséges intelligencia szerepe
Az új rizikóbecslő eszköz az utóbbi 20 év során, a klinikán elvégzett CRT beültetések adatain alapul. Az adatbázis tehát több mint 1600, szívet újraszinkronizáló pacemaker (CRT) beültetésen átesett beteg adatait tartalmazza. Ez szolgált alapjául a gépi tanulás segítségével létrehozott rendszernek, amely lehetővé teszi az utánkövetési időszakban bekövetkező évenkénti halálozás kockázatának legpontosabb előrejelzését. A fejlesztés során használt algoritmus az adatbázis alapján megtanulta a releváns, sokszor rejtett összefüggéseket. Használata során pedig erre a tapasztalati tudásra támaszkodva nyújt rizikóbecslést az új betegek esetében.
Mivel az új rendszer a mesterséges intelligenciára épül, képes a számos paraméter közötti bonyolult kapcsolati háló hatékony feltérképezésére. Emiatt pedig egyértelműen felülmúlja a korábbi, hagyományos statisztikai módszerekre épülő pontrendszereket. Jelenleg a világon elérhető legjobb becslést adja a beteg túlélését illetően.
