STUDIU. Identificarea riscului de diabet tip 2, posibilă cu ajutorul imagisticii CT și a inteligenței artificiale
Un studiu recent, publicat în jurnalul Radiology, care a inclus date de la peste 32.000 de persoane, subliniază oportunitățile asociate imagisticii CT de rutină atunci când vine vorba despre screeningul diabetului de tip 2. Analiza și interpretarea rezultatelor imagistice PET/CT cu ajutorul algoritmilor de învățare profundă s-a dovedit utilă în identificarea persoanelor la risc înalt de diabet de tip 2, conducând la performanțe superioare metodelor utilizate în prezent pentru stratificarea riscului.
Cea mai mare valoare predictivă a prevalenței și incidenței diabetului a fost observată în cazul indicelui de grăsime viscerală. Precizia predicției a fost semnificativ îmbunătățită în momentul în care acestui factor i s-au adăugat informații despre aria musculară, fracția de grăsime hepatică și nivelul de calcificare aortică.
Implicarea algoritmilor de învățare profundă în analiza rezultatelor imagistice CT a condus la performanțe superioare metodelor utilizate în prezent pentru identificarea persoanelor cu diabet de tip 2. O performanță superioară în stratificarea riscului se traduce în strategii îmbunătățite de intervenție precoce în diabet sau alte afecțiuni. Cu cât boala este depistată mai timpuriu, cu atât mai bine se pot lua măsuri, se poate interveni proactiv, într-o manieră personalizată, în funcție de nevoile fiecărei persoane, evitându-se complicațiile și în anumite cazuri chiar decesul.
Pe lângă stratificarea riscului de DZ2, acești markeri predictivi extrași din rezultatele imagistice CT și-au găsit utilitatea și în semnalarea steatozei hepatice, a scorurilor de calciu coronarian de peste 100, a osteoporozei și sarcopeniei (pierderea masei musculare ca urmare a înaintării în vârstă).
„Ținând cont de povara semnificativă a diabetului și de complicațiile sale, dorim să explorăm dacă analizele imagistice automate și precise pot îmbunătăți detecția precoce și stratificarea riscului mai bine decât metodele convenționale” – afirmă autorul studiului Dr. Seungho Ryu, PhD, Kangbuk Samsung Hospital, Sungkyunkwan University School of Medicine in Seoul, Coreea de Sud.
Studiul evidențiază potențialul extinderii imagisticii CT de la diagnosticul convențional al bolilor, la o unealtă de screening pentru diabetul de tip 2 și alte afecțiuni. De asemenea, subliniază și valoarea conceptului de „opportunistic screening” în DZ cu ajutorul imagisticii CT. Acest lucru presupune realizarea analizelor imagistice de rutină, fie CT, fie alte metode de screening, pentru a afla mai multe informații despre starea de sănătate a unei persoane și despre riscurile pe care le prezintă.
Algoritmii implicați în studiu au permis segmentarea tridimensională și cuantificarea diverselor componente ale organismului. S-au obținut informații despre grăsimea viscerală, subcutanată, masa musculară, densitatea hepatică și nivelul de calciu aortic.
Avantajele implicării algoritmilor de inteligență artificială în domeniul radiologiei sunt nenumărate, iar dovezile eficienței lor continuă să apară. Spre exemplu, un studiu realizat la Universitatea Thomas Jefferson, propune un algoritm de învățare automată care poate identifica riscul de afectare cardiacă pe termen lung, pe baza rezultatelor imagistice PET-CT, în rândul pacienților cu cancer pulmonar care urmează radioterapie.
Citește și:
- STUDIU. Tyche, un sistem AI adresează incertitudinile din imagistica medicală, contribuind la diagnosticul de precizie
- STUDIU. Persoanele la risc de osteoporoză, identificate timpuriu cu ajutorul unui algoritm de inteligență artificială
- STUDIU. Riscul de recurență în cancerul de prostată, evaluat prin sistemul de inteligență artificială TriPath