- In:
- Posted By: Capuano Edoardo
- Commenti: 0
L'apprendimento automatico sta superando gli umani nel predire la morte o l'infarto. Questo è quello che suggerisce uno studio presentato recentemente all'ICNC 2019.
Analizzando ripetutamente 85 variabili in 950 pazienti con aspettative di vita di sei anni, un algoritmo ha “imparato” come interagiscono i dati dei loro volti. Ha quindi identificato i modelli che correlavano le variabili alla morte e all'attacco cardiaco con una precisione superiore al 90%.
L'apprendimento automatico, il moderno fondamento dell'intelligenza artificiale (AI), viene utilizzato ogni giorno. Il motore di ricerca di Google, il riconoscimento facciale su smartphone, le auto a guida autonoma, i sistemi di raccomandazione di Netflix e Spotify utilizzano tutti algoritmi di apprendimento automatico per adattarsi al singolo utente.
I medici si basano sui punteggi inerenti alle probabilità di rischio per prendere decisioni terapeutiche. Tuttavia, questi punteggi derivano da una serie di variabili e spesso hanno una precisione modesta nei singoli pazienti. Tuttavia, mediante la reiterazione e l'aggiustamento di alcuni processi di calcolo, l'apprendimento automatico può sfruttare grandi quantità di dati e identificare modelli complessi che potrebbero non essere evidenti agli esseri umani.
L'autore dello studio, il dottor Luis Eduardo Juarez-Orozco, (1) del Turku PET Centre, (2) in Finlandia, ha dichiarato: “Gli umani hanno difficoltà a pensare oltre tre dimensioni (un cubo) o quattro dimensioni (un cubo nel tempo). Il momento in cui saltiamo nella quinta dimensione ci perdiamo. i modelli ad alta dimensionalità sono più utili dei modelli a singola dimensione per prevedere i risultati negli individui e per questo abbiamo bisogno dell'apprendimento automatico.”
Lo studio ha arruolato 950 pazienti con dolore toracico che hanno subito il protocollo abituale per diagnosticare la malattia coronarica. Una scansione di angiografia della tomografia computerizzata (CCTA) coronarica ha prodotto 58 informazioni sulla presenza di placca coronarica, restringimento dei vasi e calcificazioni. Quelli con scansioni suggestive di malattia sono stati sottoposti a una tomografia a emissione di positroni (PET) che ha prodotto 17 variabili sul flusso sanguigno. Dieci variabili cliniche sono state ottenute da cartelle cliniche comprendenti sesso, età, fumo e diabete.
Durante un follow-up medio di sei anni ci sono stati 24 attacchi di cuore e 49 decessi per altre causa. Le 85 variabili sono state inserite in un algoritmo di apprendimento automatico chiamato LogitBoost che le ha analizzate diverse volte fino a trovare la struttura migliore per prevedere chi ha avuto un infarto o è morto.
Usando solo le dieci variabili cliniche (simile alla pratica clinica corrente), la performance predittiva era modesta, con un'area sotto la curva (AUC) di 0,65 (dove 1,0 è un test perfetto e 0,5 è un risultato casuale). Quando sono stati aggiunti i dati PET, l'AUC è aumentata a 0,69. La performance predittiva è aumentata in modo significativo (p = 0,005) quando i dati CCTA sono stati aggiunti ai dati clinici e PET, fornendo una AUC 0,82 e una precisione superiore al 90%.
Il dottor Luis Eduardo Juarez-Orozco ha dichiarato: “i medici raccolgono molte informazioni sui pazienti, ad esempio quelli con dolore al petto. Abbiamo scoperto che l'apprendimento automatico può integrare questi dati e prevedere con precisione il rischio individuale. Ciò dovrebbe consentirci di personalizzare il trattamento e portare a migliori risultati per i pazienti.”
La Conferenza Internazionale sulla Cardiologia Nucleare e Cardiac CT (ICNC) (3) è coorganizzata dall'American Society of Nuclear Cardiology (ASNC), l'Associazione Europea di Cardiovascular Imaging (EACVI) della Società Europea di Cardiologia (ESC) e l'Associazione Europea di Medicina Nucleare (EANM).
Riferimenti:
(2) Turku PET Centre
(3) ICNC - Nuclear Cardiology & Cardiac CT
Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Machine learning overtakes humans in predicting death or heart attack