Кардиологам часто сложно оценить риск сердечного приступа. Новые стартапы, использующие ИИ, могут помочь.
Несмотря на все современные чудеса кардиологии, нам сложно предсказать, у кого случится сердечный приступ. Многие люди вообще не проходят скрининг. Сейчас такие стартапы, как Bunkerhill Health, Nanox.AI и HeartLung Technologies, применяют алгоритмы ИИ для скрининга миллионов КТ-снимков на предмет ранних признаков заболеваний сердца. Эта технология может стать прорывом в здравоохранении, применяя старый инструмент для выявления пациентов с незаметным высоким риском сердечного приступа. Однако её эффективность пока не доказана в достаточном масштабе, что поднимает острые вопросы о её применении и даже о том, как мы определяем заболевание.
В прошлом году, по оценкам, 20 миллионов американцев прошли КТ грудной клетки после автомобильной аварии или для скрининга рака лёгких. Зачастую при КТ выявляется кальцификация коронарных артерий (ККА), маркер риска сердечного приступа, которая не выявляется или не упоминается в заключении рентгенолога, направленном на исключение костных повреждений, опасных для жизни внутренних травм или рака.
Связанная история
Специализированное тестирование на кальцификацию кальциевых каналов (КАК) остаётся недостаточно используемым методом прогнозирования риска сердечного приступа. На протяжении десятилетий бляшки в сердечных артериях проходят свой жизненный цикл, превращаясь из богатых липидами остатков в кальциевые. Сами сердечные приступы обычно происходят, когда молодая, богатая липидами бляшка неожиданно разрывается, запуская каскад воспалительных процессов, приводящих к образованию тромбов, которые в конечном итоге блокируют кровоснабжение сердца. Кальцифицированная бляшка, как правило, стабильна, но обнаружение КАК предполагает, что, вероятно, присутствует и более молодая, более склонная к разрыву бляшка.
Кальций коронарных артерий часто можно обнаружить на КТ грудной клетки, и его концентрацию можно субъективно описать. Обычно для количественной оценки индекса CAC человека требуется проведение КТ сердца. Однако алгоритмы, рассчитывающие индекс CAC на основе рутинных КТ грудной клетки, могли бы значительно расширить доступ к этой метрике. На практике эти алгоритмы можно было бы использовать для оповещения пациентов и их врачей об аномально высоких показателях, побуждая их обратиться за дополнительной помощью. Сегодня охват стартапов, предлагающих индекс CAC на основе ИИ, невелик, но быстро растёт. По мере роста их использования эти алгоритмы могут выявлять пациентов высокого риска, которые традиционно остаются без внимания или находятся на периферии лечения.
Исторически считалось, что сканирование CAC имеет незначительную пользу и предлагалось обеспокоенным пациентам. Даже сегодня большинство страховых компаний не покрывают расходы на него. Однако отношение к нему может меняться. Всё больше экспертных групп одобряют оценку CAC как способ уточнения оценки сердечно-сосудистого риска и убеждают скептически настроенных пациентов начать принимать статины.
Перспектива использования оценок CAC, полученных с помощью ИИ, является частью более широкой тенденции к использованию обширных медицинских данных для выявления заболеваний, которые иначе не были бы обнаружены. Но, хотя это кажется многообещающим, сама практика вызывает множество вопросов. Например, оценки CAC не оказались полезным инструментом для всеобщего скрининга. Например, датское исследование 2022 года, оценивающее популяционную программу, не выявило никаких преимуществ в снижении показателей смертности у пациентов, прошедших скрининговые тесты CAC. Если бы ИИ предоставлял эту информацию автоматически, изменились бы расчёты?
А с широким распространением аномальные показатели CAC станут обычным явлением. Кто отслеживает эти результаты? «Многие системы здравоохранения пока не готовы к масштабному реагированию на случайные обнаружения кальция», — говорит Нишит Кхандвала, соучредитель Bunkerhill Health. По его словам, без стандартной процедуры для этого «вы рискуете создать больше работы, чем получить пользы».
Связанная история
Также возникает вопрос, действительно ли эти оценки, генерируемые ИИ, улучшат качество лечения пациентов. Для пациентов с симптомами нулевой показатель CAC может внушать ложную уверенность. Для бессимптомных пациентов с высоким показателем CAC дальнейшие действия остаются неопределенными. Помимо статинов, неясно, принесет ли этим пациентам пользу начало приема дорогостоящих препаратов для снижения уровня холестерина, таких как Репата или другие ингибиторы PCSK9. Это может побудить некоторых пациентов к ненужным, но дорогостоящим последующим процедурам, которые могут даже навредить. В настоящее время расходы на оценку CAC, полученную с помощью ИИ, не возмещаются как отдельная услуга ни Medicare, ни большинством страховых компаний. Экономическое обоснование этой технологии сегодня, по сути, заключается в этих потенциально порочных стимулах.
На фундаментальном уровне этот подход может фактически изменить наше определение болезни. Адам Родман, врач-госпиталист и эксперт по искусственному интеллекту в медицинском центре Beth Israel Deaconess в Бостоне, заметил, что оценки CAC, полученные с помощью ИИ, имеют сходство с «инциденталомой» — термином, появившимся в 1980-х годах для описания неожиданных результатов компьютерной томографии. В обоих случаях стандартная схема диагностики, когда врачи и пациенты намеренно проводят исследования, чтобы выяснить причину конкретной проблемы, была в корне нарушена. Однако, как отмечает Родман, инциденталомы всё равно обнаруживались людьми, просматривавшими снимки.
Сейчас, говорит он, мы вступаем в эпоху «машинной нозологии», где алгоритмы определяют заболевания по своим собственным правилам. По мере того, как машины ставят всё больше диагнозов, они могут выявлять то, что мы упускаем. Но мы с Родманом задумались, не возникнет ли двухуровневая диагностика будущего, где «имущие» будут платить за фирменные алгоритмы, а «неимущие» будут довольствоваться менее эффективными альтернативами.
Для пациентов без факторов риска или не получающих регулярной медицинской помощи, оценка CAC, полученная с помощью ИИ, потенциально может выявить проблемы на более ранней стадии и переписать сценарий. Но как эти оценки доходят до людей, что с ними делается и могут ли они в конечном итоге улучшить результаты лечения пациентов в масштабах, остаются открытыми вопросами. Пока что, переключаясь между пациентами и результатами алгоритмов, врачи по-прежнему важны.
Вишал Кхетпал — научный сотрудник, специализирующийся на сердечно-сосудистых заболеваниях. Мнения, высказанные в этой статье, не отражают точку зрения его работодателей.
Источник: www.technologyreview.com
