Testowany na 10 286 pacjentach z sześciu krajów, algorytm o nazwie CoDE-ACS wykluczył zawał serca u ponad dwukrotnie większej liczby pacjentów w porównaniu do standardowych wytycznych. Przy tym osiągnął dokładność na poziomie 99,6%.
Narzędzie zakwalifikowano jako zdolne do identyfikacji osób, u których podwyższone poziomy troponiny wynikały z zawału serca, a nie, np. z innej przyczyny.
Algorytm osiągnął dobre wyniki niezależnie od wieku, płci czy istniejących wcześniej stanów zdrowotnych, co — jak twierdzą autorzy — zmniejsza ryzyko błędnej diagnozy.
„Olbrzymi potencjał”
Badanie, które sfinansowano przez British Heart Foundation (BHF) i Narodowy Instytut Zdrowia i Badań Opieki Zdrowotnej Wielkiej Brytanii, opublikowano w czasopiśmie „Nature Medicine”.
Jego główny autor, profesor Nicholas Mills, profesor kardiologii BHF na Centrum Nauk Kardiologicznych Uniwersytetu w Edynburgu, powiedział: „Dla pacjentów z ostrym bólem w klatce piersiowej spowodowanym przez zawał serca, wczesna diagnoza i leczenie ratuje życie. Niestety wiele stanów powoduje te powszechne objawy, a diagnoza nie zawsze jest prosta. Wykorzystanie danych i sztucznej inteligencji w celu wspierania decyzji klinicznych ma ogromny potencjał poprawy opieki nad pacjentami i efektywności w naszych przepełnionych oddziałach ratunkowych”.
CoDE-ACS opracowano na podstawie danych zebranych od 10 038 pacjentów w Szkocji, którzy trafili do szpitala z podejrzeniem zawału serca. Wykorzystuje on rutynowo gromadzone informacje o pacjentach, takie jak wiek, płeć, wyniki EKG i historię chorób, a także poziomy troponiny. Wszystko po to, aby przewidzieć prawdopodobieństwo wystąpienia zawału serca u poszczególnych pacjentów. Wynik to ocena prawdopodobieństwa od 0 do 100 dla każdego pacjenta.
Obecnie prowadzone są badania kliniczne w Szkocji w celu oceny, czy narzędzie oparte na sztucznej inteligencji może pomóc lekarzom zmniejszyć obciążenie oddziałów.
Źródło: hospitalhealthcare.com
