Sztuczna inteligencja dokładniej ustala, kto potrzebuje leków rozrzedzających krew

Nowy model sztucznej inteligencji precyzyjniej identyfikuje tych pacjentów z migotaniem przedsionków, którzy potrzebują leków rozrzedzających krew, aby zapobiec udarowi mózgu – poinformowano podczas kongresu Europejskiego Towarzystwa Kardiologicznego (ESC) w Madrycie.

Przedsionek serca (po łacinie atrium) to jedna z dwóch górnych jam serca, które przyjmują krew z organizmu lub płuc, a następnie przepompowują ją do odpowiedniej komory serca. W sercu człowieka są dwa przedsionki: prawy odbiera krew z całego ciała za pośrednictwem żył głównych, natomiast do lewego napływa poprzez żyły płucne natleniona krew z płuc.

Migotanie przedsionków (AF) to najczęstsze zaburzenie rytmu serca. Dotyczy około 59 milionów ludzi na całym świecie. Migotanie, czyli zbyt szybkie skurcze przedsionków prowadzi do zastoju krwi i tworzenia się zakrzepów (przedsionki „pracują” wówczas jak budowlaniec, który tak szybko biega z taczką, że nie ma czasu jej załadować).

Tworzące się w przedsionkach zakrzepy mogą odpaść i przedostać się do mózgu, powodując udar. Dlatego standardowym leczeniem zapobiegającym zakrzepom i udarom u osób z AF są leki rozrzedzające krew (antykoagulanty). Jednak w niektórych przypadkach mogą one prowadzić do poważnych krwawień.

Naukowcy z Mount Sinai Health System (USA) opracowali model sztucznej inteligencji, który tworzy zindywidualizowane zalecenia dotyczące leczenia pacjentów z migotaniem przedsionków, pomagając lekarzom w precyzyjnym podejmowaniu decyzji o ewentualnym leczeniu antykoagulantami.

Model ten prezentuje zupełnie nowe podejście do podejmowania decyzji klinicznych u pacjentów z migotaniem przedsionków. Podczas badania model odradzał leczenie przeciwzakrzepowe nawet połowie pacjentów, którzy otrzymaliby je przy standardowym postępowaniu. Może to mieć daleko idące konsekwencje dla opieki zdrowotnej na świecie.

Nowy model AI wykorzystuje całą elektroniczną dokumentację medyczną pacjenta, aby ustalić indywidualne zalecenia dotyczące leczenia. Sztuczna inteligencja porównuje ryzyko wystąpienia udaru mózgu z ryzykiem poważnego krwawienia (niezależnie od tego, czy wystąpiłoby ono z przyczyn naturalnych, czy w wyniku leczenia lekami rozrzedzającymi krew). To podejście znacznie bardziej zindywidualizowane w porównaniu z obecną praktyką (lekarze stosują skale ryzyka, które zapewniają szacunki ryzyka uśrednionego dla badanej populacji, a nie dla poszczególnych pacjentów).

Naukowcy wytrenowali model sztucznej inteligencji na elektronicznej dokumentacji medycznej 1,8 miliona pacjentów, ponad 21 milionów wizyt lekarskich, 82 milionach notatek i 1,2 miliarda punktów danych. Dzięki temu wygenerowali rekomendację netto korzyści, dotyczącą ewentualnego leczenia pacjenta lekami rozrzedzającymi krew.

Aby zweryfikować model, naukowcy przetestowali jego działanie na 38 642 pacjentach z migotaniem przedsionków w Mount Sinai Health System. Przeprowadzili również zewnętrzną walidację modelu na 12 817 pacjentach, korzystając z publicznie dostępnych zbiorów danych ze Stanford.

– To badanie stanowi gruntowną modernizację sposobu, w jaki zarządzamy leczeniem przeciwzakrzepowym u pacjentów z migotaniem przedsionków i może zmienić paradygmat podejmowania decyzji klinicznych – zaznaczył autor korespondencyjny, dr Joshua Lampert, dyrektor ds. uczenia maszynowego w Mount Sinai Fuster Heart Hospital. – Model może nie tylko obliczać wstępne zalecenia, ale także dynamicznie aktualizować zalecenia na podstawie całej elektronicznej dokumentacji medycznej pacjenta przed wizytą.

– Unikanie udaru jest najważniejszym celem w leczeniu pacjentów z migotaniem przedsionków, zaburzeniem rytmu serca, które według szacunków dotyka 1 na 3 dorosłych w pewnym momencie ich życia – podkreślił współautor, dr n. med. Vivek Reddy, dyrektor ds. elektrofizjologii serca w Mount Sinai Fuster Heart Hospital.

– Jeśli przyszłe randomizowane badania kliniczne wykażą, że ten model sztucznej inteligencji jest choć w ułamku tak skuteczny w rozróżnianiu pacjentów wysokiego i niskiego ryzyka, jak zaobserwowano w naszym badaniu, model ten będzie miał głęboki wpływ na opiekę nad pacjentami i wyniki leczenia – dodał. (PAP)

Paweł Wernicki, fot. freepik.com

Data publikacji: 02.09.2025 r.