Vteřinový sken prstu u nohy s AI: Nová naděje pro včasnou detekci cévních onemocnění a prevenci amputací
InovaceOnemocnění periferních tepen (PAD) postihuje 8 až 12 milionů Američanů a je způsobeno hromaděním plaku uvnitř cév, což omezuje průtok krve do nohou. Tato porucha nepřiměřeně postihuje marginalizované komunity a je hlavní příčinou amputací končetin.
Onemocnění periferních tepen (PAD) postihuje 8 až 12 milionů Američanů a je způsobeno hromaděním plaku uvnitř cév, což omezuje průtok krve do nohou. Tato porucha nepřiměřeně postihuje marginalizované komunity a je hlavní příčinou amputací končetin. Často zůstává neodhalena, dokud pacienti nezažijí komplikace, částečně proto, že diagnostika vyžaduje návštěvu specializované kliniky a časově náročný a nepohodlný test kotníkově-brachiálního indexu (ABI).
Multidisciplinární tým výzkumníků z Kalifornské univerzity v San Diegu nyní oznámil, že jednoduchá technologie zvaná fotopletysmografie (PPG) ve spojení s umělou inteligencí (AI) dokáže detekovat PAD s vysokou mírou přesnosti. Tato technika by mohla být použita jako „digitální biomarker“ pro rychlé a neinvazivní screeningové vyšetření, což by potenciálně vedlo k dřívější diagnostice a léčbě.
PPG funguje tak, že svítí světlem do tkáně, v tomto případě do prstu u nohy. Fotosensor pak měří, kolik světla se odrazí zpět, což umožňuje detekovat drobné změny v objemu krve – takzvaný PPG signál. Myšlenka na studii vznikla, když si lékaři uvědomili, že PPG záznamy se rutinně pořizují na prstu u nohy současně s testováním ABI. Tým shromáždil data z více než 10 000 PPG záznamů prstů u nohou od více než 3 500 pacientů, kteří podstoupili testy ABI. Následně vyvinuli model strojového učení, který detekuje PAD pouze na základě těchto PPG dat.
Model prokázal vysokou účinnost v rozlišování pacientů s PAD od těch bez onemocnění, správně identifikoval případy PAD přibližně v 83 % případů, ve srovnání s přibližně 60–65 % výkonem, kterého se obvykle dosahuje pouze pomocí tradičního hodnocení klinických rizikových faktorů. Přidání informace o kuřáckém statusu pacienta zlepšilo model o další 2 %. Důležité je, že signál odráží fyziologické změny průtoku krve v prstech u nohou, což poskytuje informace nad rámec konvenčního klinického hodnocení. Model navíc fungoval podobně u pacientů různých etnických skupin (černochů, Hispánců a bělochů) a také u dat ze dvou samostatných lékařských kampusů, včetně pacientů s ischemickou chorobou srdeční, cukrovkou a konečným stadiem onemocnění ledvin.
Dalším krokem je validace přístupu napříč různými zařízeními pro snímání PPG, včetně chytrých telefonů, pulzních oxymetrů a nositelných technologií, aby se zjistilo, zda model obstojí v reálných podmínkách. Ačkoli se zatím neplánuje nahradit testování ABI screeningem PPG, vědci se domnívají, že by mohl doplnit zavedenou metodu. Test ABI trvá 15–30 minut, zatímco PPG screening zabere jen několik vteřin. Vzhledem k tomu, že 95 % lidí vlastní chytrý telefon nebo jiné pokročilé zařízení, je možné potenciálně obejít dopravní, finanční a institucionální bariéry, které v současnosti omezují přístup k testování ABI. Rychlý PPG screening by mohl být použit jako třídění pacientů přímo v místě péče na klinice, nebo by se vysoce rizikoví pacienti mohli dokonce sami vyšetřit pomocí aplikace v chytrém telefonu, což by vedlo k dřívějšímu doporučení předtím, než dojde k závažné nepříznivé události postihující končetinu.