Širdies ultragarsinis tyrimas išlieka kertiniu kardiologijos diagnostikos instrumentu, tačiau jo tikslumas dažnai priklauso nuo tyrėjo patirties ir darbo sąlygų. Lietuvos startuolis „Ligence“ ir jį atstovaujantis gydytojas mokslininkas dr. Arnas Karužas rodo, kad gilieji neuroniniai tinklai gali ne tik pagerinti tyrimo kokybę, bet ir padėti priartinti kardiologiją prie personalizuotos medicinos. Bendrovės programinė įranga „Ligence Heart“ 2025 m. gavo JAV Maisto ir vaistų administracijos (FDA) 510(k) leidimą, o tai ženkliai padidina galimybes diegti sprendimą tarptautinėse klinikose.
Kaip dirbtinis intelektas veikia echokardiografiją
DI modeliai analizuoja 2D transthorakalinės echokardiografijos vaizdus, automatizuotai išskaičiuoja pagrindinius parametrus ir rengia ataskaitas. Tokiu būdu sumažėja vertinimo subjektyvumas: programos gali matuoti išstūmio frakciją, kairiojo skilvelio tūrius, greičius ir kitus rodiklius efektyviau bei nuosekliau nei įprastinė rankinė analizė. Vokietijoje, Dresdeno universiteto ligoninėje, atlikta išorinė validacija parodė, kad tam tikrais atvejais DI tikslumas lygus arba pranašesnis už ekspertų vertinimą.
Praktinė nauda gydytojams ir pacientams
DI įrankiai leidžia sutaupyti laiko rutininiuose tyrimuose – tyrimai rodo iki 67 proc. trukmės sumažėjimą paprastais atvejais. Tai reiškia, kad gydytojas gali aptarnauti daugiau pacientų arba skirti daugiau laiko sudėtingesniems atvejams. Be to, kiekvienas pacientas gauna tarsi dviejų ekspertų vertinimą: neuroninio tinklo analizę ir gydytojo peržiūrą, kas sumažina klaidų tikimybę ir leidžia anksčiau pradėti gydymą. „Labai norėjau sukurti tai, kas iš tikrųjų galėtų keisti kasdienę klinikinę praktiką – pirmiausia mano paties, bet ir kitų gydytojų bei personalo darbą. Norėjosi, kad širdies ultragarsinis tyrimas taptų efektyvesnis ir labiau standartizuotas.”
Iššūkiai, validacija ir duomenų įvairovė
Modelių kūrimas reikalauja įvairių duomenų – skirtingų aparatų gamintojų vaizdų, skirtingos kokybės įrašų, įvairių patologijų ir demografinių grupių atvaizdų. Tik išorinės validacijos metu, kai modeliai vertinami su naujais, neįtrauktais duomenimis, galima užtikrinti jų patikimumą klinikinėje praktikoje.
DI geriausiai veikia tipiniais kasdieniais atvejais; retesnės patologijos vis dar reikalauja eksperto įsikišimo.
Lietuvos galimybės ir reikalingi žingsniai
Norint, kad Lietuva taptų personalizuotos kardiologijos lydere, reikia aiškios prioritetų strategijos, investicijų į mokslą, infrastruktūrą ir gydytojų edukaciją. „Man pačiam tenka dalyvauti kuriant programas, susijusias su personalizuotos medicinos sprendimų pritaikymu, įskaitant kardiologiją ir dirbtinį intelektą.” Reikalinga ir teisinių bei integracinių kliūčių analizė: ligoninės turi įsivertinti, ar jos infrastruktūra pasiruošusi DI sprendimams, ir išsiaiškinti, kurioms problemoms tokie įrankiai iš tiesų suteikia pridėtinę vertę.
Iššūkiai yra sprendžiami – JAV ir Jungtinėje Karalystėje matomas didesnis inovacijų priėmimas, o Lietuvoje reikalingas tęstinis dėmesys prioritetams ir ištekliams. Tinkamai integruotas dirbtinis intelektas gali pagerinti diagnostikos tikslumą, sutrumpinti laukimo laiką ir pagerinti pacientų gydymo eigą.
Martyna Baranauskaitė – autorė, rengianti skaitytojams aktualų ir įdomų turinį įvairiomis temomis. Jos straipsniuose daug dėmesio skiriama aiškumui, informatyvumui ir sklandžiam pateikimui, kad skaitytojai greitai rastų naudingą ir suprantamai pateiktą informaciją.