Technologie entwickelt, die mithilfe von künstlicher Intelligenz (KI) könnte die Identifizierung von Personen mit hohem Risiko für einen tödlichen Herzinfarkt mindestens 5 Jahre, bevor es Streiks, entsprechend der neuen Forschung finanziert von der British Heart Foundation (BHF). Die Ergebnisse werden präsentiert auf der European Society of Cardiology (ESC) Kongress in Paris und veröffentlicht im European Heart Journal veröffentlicht.
Forscher an der Universität Oxford entwickelt haben, einen neuen biomarker, oder „Fingerabdruck“, rief der Fette radiomic-Profil (GFK), mit der Maschine zu lernen. Den Fingerabdruck erkennt biologische rote Fahnen in den perivaskulären Raum Auskleidung der Blutgefäße, die Versorgung des Bluts zum Herzen. Es identifiziert Entzündungen, Narbenbildung und Veränderungen dieser Blutgefäße, die sind alle Verweise auf einen zukünftigen Herzinfarkt.
Wenn jemand ins Krankenhaus mit Schmerzen in der Brust, ein standard-Bestandteil der Pflege ist, um eine koronare CT-Angiographie (CCTA). Dies ist ein scan der Herzkranzgefäße zu überprüfen verengte oder blockierte Segmente. Wenn es keine signifikanten Verengung der Arterie, die etwa 75 Prozent der scans, die Leute werden nach Hause geschickt, doch einige von Ihnen werden noch einen Herzinfarkt bekommen irgendwann in der Zukunft. Es gibt keine Methoden, die routinemäßig von ärzten, die können vor Ort alle zugrunde liegenden roten Fahnen für einen zukünftigen Herzinfarkt.
In dieser Studie, Professor Charalambos Antoniades und sein team zunächst verwendet Fett Biopsien von 167 Menschen in der Herzchirurgie. Sie analysiert die expression von Genen, die im Zusammenhang mit Entzündungen, Narbenbildung und der Bildung neuer Blutgefäße, und verglich diese, um die CCTA-scan-Bilder, um zu bestimmen, welche Funktionen am besten, deuten auf Veränderungen hin, um das Fett rund um das Herz-Gefäße, sogenannte perivaskuläre Fett.
Weiter, die Mannschaft gegenüber der CCTA-scans von den 101 Personen, die aus einem pool von 5487 Personen, die gingen auf einen Herzinfarkt oder kardiovaskulären Tod innerhalb von 5 Jahren mit einer CCTA mit Kontrollpersonen, die nicht, die Veränderungen zu verstehen, die in den perivaskulären Raum, die darauf hindeuten, dass jemand ein höheres Risiko, an einem Herzinfarkt. Mithilfe von machine-learning -, entwickelten Sie die FRP Fingerabdruck erfasst das Niveau von Risiken. Die mehr Herz scans Hinzugefügt werden, desto genauer werden die Vorhersagen werden und die mehr Informationen zu „core knowledge“.
Sie testeten die Leistung des perivaskulären Fingerabdruck mit 1.575 Menschen, die in der SCHOTTEN-HERZ-Studie, die zeigt, dass die FRP hatte eine auffallende Wert in der Vorhersage von Herzinfarkt, über das, was erreicht werden kann mit allen Werkzeugen, die derzeit in der klinischen Praxis.
Die Mitarbeiter hoffen, dass diese leistungsfähige Technologie ermöglichen eine größere Anzahl von Menschen zu vermeiden, einen Herzinfarkt, und planen, roll es heraus, um Fachkräfte des Gesundheitswesens im nächsten Jahr, mit der Hoffnung, dass es in routine NHS Praxis neben CCTA-scans in den nächsten 2 Jahren.
Professor Charalambos Antoniades, Professor der Kardiovaskulären Medizin und BHF Senior Clinical Fellow an der University of Oxford, sagte:
„Nur weil jemand die Scans von Ihrem koronare Arterie zeigt, dass es keine Verengung, bedeutet das nicht, Sie sind sicher vor einem Herzinfarkt.
„Durch die Nutzung der macht der AI, die wir entwickelt haben, einen Fingerabdruck zu finden, „schlechte“ Eigenschaften, um Menschen-Arterien. Dies hat riesiges Potenzial zu erkennen die frühen Anzeichen der Krankheit, und in der Lage sein, alle vorbeugende Maßnahmen, bevor ein Herzinfarkt Streiks, letztlich Leben retten.
„Wir glauben wirklich, diese Technologie könnte Leben retten, das innerhalb des nächsten Jahres.“
Professor Metin Avkiran, Associate Ärztlicher Direktor an der British Heart Foundation, sagte:
„Alle 5 Minuten ist jemand der Zugang zu einem UK-Krankenhaus durch einen Herzinfarkt. Diese Forschung ist ein hervorragendes Beispiel, wie innovative Nutzung von machine-learning-Technologie hat das Potenzial, zu revolutionieren, wie identifizieren wir Menschen, die dem Risiko eines Herzanfalls und verhindern, dass Sie geschieht.