Revoluționarea cardiologiei prin diagnosticare non-invazivă
O echipă de cercetători de la Universitat Politècnica de València (UPV), în colaborare cu parteneri internaționali, a prezentat un model sofisticat de AI care ar putea schimba fundamental modul în care diagnosticăm și gestionăm cardiomiopatia atrială. Folosind rețele neuronale graf (GNN), echipa a demonstrat capacitatea de a identifica și cuantifica anomaliile structurale ale țesutului cardiac folosind doar semnalele electrice colectate de la suprafața trunchiului pacientului.
Cardiomiopatia atrială, caracterizată prin modificări electrice și structurale precum fibroza, este un factor principal în apariția fibrilației atriale, una dintre cele mai frecvente tulburări de ritm cardiac la nivel mondial. În mod tradițional, identificarea locației exacte și a extinderii acestor leziuni tisulare a necesitat proceduri invazive, cum ar fi cartografierea electroanatomică intracardiacă sau scanări RMN costisitoare și de durată. Această nouă abordare bazată pe AI oferă o alternativă non-invazivă cu un potențial revoluționar pentru evaluarea clinică.
Cum funcționează tehnologia
Nucleul acestui progres constă în procesarea hărților de potențial pe suprafața corpului (Body Surface Potential Maps - BSPM). Prin plasarea unor electrozi pe torace, medicii pot înregistra activitatea electrică complexă a inimii. Cercetătorii și-au antrenat modelul GNN pe un set masiv de date cuprinzând 14.400 de hărți electrice simulate, care au inclus o gamă largă de anatomii atriale și toracice, precum și diverse grade de leziuni patologice ale țesutului.
Spre deosebire de analiza liniară tradițională, rețeaua neuronală graf excelează în interpretarea distribuției spațiale și a evoluției temporale a semnalelor electrice pe suprafața corpului. Modelul „cartografiază” practic datele de potențial de suprafață transpunându-le în anatomia subiacentă a inimii. Rezultatele sunt încurajatoare: în testele inițiale, sistemul a atins o precizie de 89% în localizarea țesutului atrial afectat, cu o sensibilitate de 89% și o specificitate de 90%. Mai mult, modelul a fost capabil să determine gradul de leziune a țesutului cu o precizie de 84%, menținându-și performanța stabilă chiar și în condiții de zgomot pe semnal.
De ce contează
- Potențial non-invaziv: Reduce necesitatea procedurilor invazive și riscante de cateterism cardiac.
- Robustețe: Modelul a demonstrat o capacitate impresionantă de a generaliza concluziile pentru anatomii pe care nu le-a întâlnit în faza de antrenament, un aspect esențial pentru diversitatea pacienților din viața reală.
- Planificare clinică: Cartografierea precisă a țesutului deteriorat ar putea permite cardiologilor să planifice mai bine intervențiile, cum ar fi procedurile de ablație, prin identificarea exactă a zonelor critice care necesită tratament.
Drumul către implementarea clinică
Deși rezultatele publicate în jurnalul Discover Computing sunt foarte promițătoare, echipa de cercetare subliniază că acesta este, în prezent, un studiu de tip proof-of-concept. Modelul a fost rafinat folosind date simulate de înaltă calitate, care oferă o bază de referință clară pentru antrenare. Totuși, tranziția de la o simulare de laborator la mediul spitalicesc necesită o validare riguroasă folosind date clinice reale ale pacienților.
În perspectivă, echipa se concentrează pe studii de validare prospectivă. Dacă modelul se va dovedi la fel de eficient pe datele umane precum a fost în simulări, acesta ar putea deveni un instrument standard în clinicile de cardiologie din întreaga lume. Oferind o fereastră clară, precisă și non-invazivă asupra sănătății țesutului atrial, acest model AI reprezintă un salt semnificativ în efortul continuu de a trata aritmiile cardiace cu o precizie mai mare și un confort sporit pentru pacient.
