Η τεχνητή νοημοσύνη αναδεικνύεται σε πολύτιμο σύμμαχο για την πρόβλεψη σοβαρών καρδιαγγειακών παθήσεων, αξιοποιώντας δεδομένα από ηλεκτροκαρδιογραφήματα που πραγματοποιούνται κατά τη διάρκεια του ύπνου. Μια πρόσφατη επιστημονική μελέτη, η οποία δημοσιεύτηκε στο περιοδικό «SLEEP», καταδεικνύει ότι αλγόριθμοι μηχανικής μάθησης είναι σε θέση να εντοπίσουν διακριτικά μοτίβα στις καρδιακές καταγραφές, τα οποία υποδεικνύουν την πιθανότητα εμφάνισης καρδιακής ανεπάρκειας μέσα στην επόμενη δεκαετία. Η έρευνα διεξήχθη υπό την καθοδήγηση ειδικών από το Πανεπιστήμιο Emory, με την υποστήριξη των αμερικανικών Εθνικών Ινστιτούτων Υγείας (NIH).
Αξιοποίηση υπαρχόντων δεδομένων
Η βασική ιδέα των ερευνητών ήταν να εκμεταλλευτούν τις πληροφορίες που ήδη συλλέγονται κατά την πολυυπνογραφία, μια εξέταση ρουτίνας για τη διάγνωση διαταραχών όπως η υπνική άπνοια. Αν και η εξέταση αυτή καταγράφει αναλυτικά την καρδιακή δραστηριότητα, τα δεδομένα αυτά σπανίως χρησιμοποιούνται για τη μακροπρόθεσμη εκτίμηση του καρδιαγγειακού κινδύνου. Οι επιστήμονες χρησιμοποίησαν καταγραφές ηλεκτροκαρδιογραφήματος μίας απαγωγής σε συνδυασμό με τα στάδια του ύπνου, όπως αυτά είχαν προσδιοριστεί από ειδικούς, για να εκπαιδεύσουν το μοντέλο τους.
Η διαδικασία εκπαίδευσης βασίστηκε σε στοιχεία περίπου 15.800 ασθενών από το Massachusetts General Hospital. Προκειμένου να διασφαλιστεί η αξιοπιστία του συστήματος, το μοντέλο δοκιμάστηκε στη συνέχεια σε δύο επιπλέον ανεξάρτητες ομάδες, οι οποίες περιλάμβαναν περίπου 9.800 και 12.600 ασθενείς αντίστοιχα από διαφορετικά νοσοκομεία. Η επαλήθευση των αποτελεσμάτων έγινε μέσω της ανάλυσης των ηλεκτρονικών ιατρικών φακέλων των συμμετεχόντων.
Συσχέτιση με σοβαρές παθήσεις
Τα ευρήματα έδειξαν ότι οι υψηλές βαθμολογίες που προέκυπταν από το μοντέλο AI παρουσίαζαν ισχυρή συσχέτιση με αυξημένο κίνδυνο για:
- Κολπική μαρμαρυγή
- Καρδιακή ανεπάρκεια
- Θάνατο από οποιαδήποτε αιτία
Αξίζει να σημειωθεί ότι αυτή η συσχέτιση παρέμενε σταθερή ακόμη και μετά τη συνεκτίμηση παραγόντων όπως η ηλικία, ο διαβήτης, η υπέρταση, το κάπνισμα και συγκεκριμένα χαρακτηριστικά του ύπνου. Παράλληλα, παρατηρήθηκε σύνδεση με τον κίνδυνο εγκεφαλικού επεισοδίου, ενώ για το έμφραγμα του μυοκαρδίου τα αποτελέσματα εμφάνισαν διακυμάνσεις μεταξύ των εξεταζόμενων ομάδων, υποδηλώνοντας την ανάγκη για περαιτέρω διερεύνηση ανάλογα με την πάθηση.
Οι ερευνητές διευκρινίζουν ότι η συγκεκριμένη μέθοδος δεν λειτουργεί ως απόλυτος διαγνωστικός δείκτης για το ποιος θα νοσήσει ή πότε ακριβώς θα συμβεί ένα επεισόδιο. Στόχος είναι ο έγκαιρος εντοπισμός ατόμων που βρίσκονται σε κίνδυνο, ώστε να επωφεληθούν από πιο εντατική ιατρική παρακολούθηση.
Η σημασία της κατάστασης του ύπνου
Η επιλογή της καταγραφής κατά τη διάρκεια του ύπνου δεν είναι τυχαία. Καθώς ο οργανισμός μεταβαίνει από την εγρήγορση στον ύπνο, το αυτόνομο νευρικό σύστημα προσαρμόζει τον καρδιακό ρυθμό, γεγονός που ενδέχεται να καθιστά πιο εμφανείς ορισμένες λεπτές αλλαγές στην καρδιακή λειτουργία. Ιδιαίτερη κλινική αξία φάνηκε να έχουν οι καταγραφές που προέρχονται από το στάδιο του ελαφρού ύπνου.
Παρά τις θετικές ενδείξεις, οι επιστήμονες τονίζουν ότι απαιτείται περαιτέρω αξιολόγηση της μεθόδου σε πραγματικές συνθήκες, πέρα από το πλαίσιο των μελετών ύπνου, προτού η τεχνολογία αυτή ενσωματωθεί στη συνήθη κλινική πρακτική.
