Un algoritmo avanzato prevede l'esito per i pazienti con gravi lesioni cerebrali

Ripubblicato da Platone

Seguaci: 0

Un team di ricercatori con sede negli Stati Uniti ha creato un modello innovativo di deep learning che analizza le scansioni TC e le informazioni cliniche per prevedere i risultati a sei mesi per i pazienti con grave lesione cerebrale traumatica (TBI). Oltre a superare le previsioni dei neurochirurghi, l’algoritmo può anche indirizzare con precisione i pazienti con trauma cranico verso cure salvavita.

Decisioni cliniche migliori

Nell'ambito della ricerca, i data scientist del Università di Pittsburgh School of Medicine ha lavorato con chirurghi neurotraumatizzati presso il Medical Center dell'Università di Pittsburgh (UPMC) per creare un nuovo modello di intelligenza artificiale in grado di elaborare più scansioni TC della testa di pazienti con trauma cranico grave. L'algoritmo, descritto in Radiologia, analizza anche i segni vitali dei pazienti, gli esami del sangue e la funzione cardiaca, nonché le stime della gravità del coma.

googletag.cmd.push (function () {googletag.display ('div-gpt-ad-3759129-1');});

Riconoscendo il fatto che le tecniche di imaging cerebrale si evolvono nel tempo e che la qualità dell'immagine può variare sostanzialmente da paziente a paziente, il team ha tenuto conto dell'irregolarità dei dati addestrando l'algoritmo su una serie di diversi protocolli di imaging.

I ricercatori, guidati dai co-primi autori Matteo Pease ed Dooman Arefan, hanno convalidato il loro modello testandolo su due coorti di pazienti: una composta da oltre 500 pazienti con trauma cranico grave precedentemente trattati presso UPMC e l'altra di 220 pazienti provenienti da 18 istituzioni in tutto il paese, attraverso il consorzio TRACK-TBI. Hanno confrontato le prestazioni del modello con quelle del IMPATTO modello e le previsioni di tre neurochirurghi.

Il modello sviluppato potrebbe prevedere con precisione il rischio di morte e gli esiti sfavorevoli dei pazienti sei mesi dopo l’incidente traumatico. È importante sottolineare che il modello ha mantenuto la sua capacità quando testato su una coorte multiistituzionale indipendente del consorzio TRACK-TBI. È stato anche dimostrato che il modello supera le previsioni fatte da tre neurochirurghi partecipanti.

Come coautori senior Shandong Wu ed David Okonkwo spiegare, il trauma cranico è una malattia che interrompe la normale funzione cerebrale e può portare a disabilità neurologica, emotiva e professionale permanente. Nel trattare tali lesioni, i medici si affidano alla prognosi per guidare la terapia clinica, ma faticano a prevedere con precisione gli esiti in caso di trauma cranico grave. Pertanto, osserva Wu, esiste “una grande necessità e potenzialità di sfruttare le informazioni cliniche multimodali e l’apprendimento automatico per sviluppare modelli di previsione basati sui dati per migliorare la previsione dei risultati per i pazienti con trauma cranico grave”.

“Abbiamo utilizzato tecniche di deep learning e curriculum-learning per sviluppare modelli di previsione che elaborano sia i dati di imaging TC della testa che altre variabili cliniche dei pazienti”, afferma Wu. “In pratica, questo modello può fornire una previsione automatizzata del potenziale di recupero di un singolo paziente per informare meglio le decisioni cliniche e la cura del paziente”.

Previsioni personalizzate

Wu osserva che, negli ultimi anni, l’apprendimento automatico e il deep learning hanno trasformato l’analisi dei dati medici e migliorato le prestazioni nel supportare la diagnosi di rilevamento assistito da computer e il triage delle malattie mediche. In effetti, molti modelli e strumenti basati sull’apprendimento automatico sono ora oggetto di indagine accademica e valutazione clinica.

Dal punto di vista di Wu, il vantaggio principale del nuovo modello è che è in grado di analizzare efficacemente dati multidimensionali e multimodali, come immagini e dati clinici non di imaging, in modo automatizzato. Ciò significa che l’apprendimento automatico può apprendere informazioni essenziali da questi dati complessi, che potrebbero essere difficili da digerire ed elaborare per un medico umano.

Per saperne di più

L'intelligenza artificiale prevede l'esito del coma dalla traccia EEG

"Il nostro metodo può anche fornire previsioni personalizzate rispetto ai modelli esistenti come il modello IMPACT, che è stato progettato per guidare gli studi clinici e non per fare prognosi sui singoli pazienti", afferma.

Al momento, il modello si basa sui dati acquisiti al momento del ricovero del paziente al pronto soccorso, ma il team del progetto prevede di migliorarlo ulteriormente incorporando i dati longitudinali acquisiti durante il corso della cura del paziente con trauma cranico.

«Intendiamo inoltre esplorare la valutazione e identificare potenziali ostacoli per quanto riguarda l’implementazione di tali modelli nel flusso di lavoro e negli ambienti clinici», aggiunge Wu.

AI in Medical Physics Week è supportato da Sun nucleare, produttore di soluzioni per la sicurezza del paziente per radioterapia e centri di diagnostica per immagini. Visitare www.sunnuclear.com scoprire di più.