Οι επιστήμονες ανέπτυξαν ένα εργαλείο με τεχνητή νοημοσύνη που ανιχνεύει το 64% των ανωμαλιών του εγκεφάλου που συνδέονται με την επιληψία και τις οποίες το ανθρώπινο μάτι δεν μπορεί να εντοπίσει.
Το MELD Graph είναι ένα εργαλείο τεχνητής νοημοσύνης που θα μπορούσε να αλλάξει δραστικά τη φροντίδα για 4 εκατομμύρια παγκοσμίως που πάσχουν από μία συγκεκριμένη αιτία επιληψίας, όπως λένε οι ερευνητές.
Η μελέτη, που δημοσιεύεται στο JAMA Neurology από ομάδα του King's College London και του University College London (UCL), δείχνει πώς το εργαλείο βελτιώνει σημαντικά την ανίχνευση της εστιακής φλοιϊκής δυσπλασίας (FCD), η οποία αποτελεί κύρια αιτία επιληψίας.
Οι ερευνητές λένε ότι το εργαλείο θα επιταχύνει τους χρόνους διάγνωσης, θα δώσει στους ασθενείς τη χειρουργική θεραπεία που χρειάζονται γρηγορότερα και θα μειώσει το κόστος για το δημόσιο σύστημα.
Σε αυτή τη μορφή επιληψίας, οι επιληπτικές κρίσεις συνήθως δεν μπορούν να ελεγχθούν με φάρμακα. Η χειρουργική επέμβαση για την αφαίρεση της βλάβης μπορεί να είναι ένας αποτελεσματικός και ασφαλής τρόπος για να σταματήσουν οι επιληπτικές κρίσεις. Ωστόσο, η πρόκληση είναι ότι οι αλλοιώσεις της FCD μπορεί να είναι ανεπαίσθητες και δύσκολα αντιληπτές με το ανθρώπινο μάτι και έως και οι μισές από αυτές τις βλάβες διαφεύγουν από τους ακτινολόγους.
Οι καθυστερήσεις στη διάγνωση και τη χειρουργική επέμβαση σημαίνουν περισσότερες επιληπτικές κρίσεις, περισσότερες επισκέψεις στα επείγοντα και μεγαλύτερη αναστάτωση στο σχολείο, την εργασία και τη ζωή στο σπίτι.
Στη μελέτη, οι ερευνητές συγκέντρωσαν δεδομένα μαγνητικής τομογραφίας από 1185 συμμετέχοντες -- συμπεριλαμβανομένων 703 ατόμων με FCD και 482 ατόμων ελέγχου -- από 23 κέντρα επιληψίας σε όλο τον κόσμο στο πλαίσιο του προγράμματος Multicentre Epilepsy Lesion Detection project (MELD).
Το ήμισυ του συνόλου δεδομένων προέρχεται από παιδιά. Στη συνέχεια εκπαίδευσαν το εργαλείο τεχνητής νοημοσύνης, MELD Graph, στις σαρώσεις για να ανιχνεύσει αυτές τις λεπτές εγκεφαλικές ανωμαλίες που διαφορετικά θα μπορούσαν να μην έχουν γίνει αντιληπτές.
Ο επικεφαλής συγγραφέας του έργου, Dr. Konrad Wagstyl, από το King's College του Λονδίνου, δήλωσε: «Το πρόγραμμα έχει ως εξής: «Οι ακτινολόγοι κατακλύζονται σήμερα από εικόνες που πρέπει να εξετάσουν. Η χρήση ενός εργαλείου με τεχνητή νοημοσύνη, όπως το MELD Graph, μπορεί να τους συνεπικουρήσει στις αποφάσεις τους, καθιστώντας το δημόσιο σύστημα υγείας πιο αποτελεσματικό, επιταχύνοντας τον χρόνο θεραπείας για τους ασθενείς και απαλλάσσοντάς τους από περιττές και δαπανηρές εξετάσεις και διαδικασίες".
Ο συν-συγγραφέας Dr. Luca Palma, από το Νοσοκομείο Παίδων Bambino Gesù της Ιταλίας, δήλωσε: «Το MELD Graph εντόπισε μια ανεπαίσθητη αλλοίωση που είχε διαφύγει από πολλούς ακτινολόγους σε ένα 12χρονο αγόρι που είχε καθημερινές επιληπτικές κρίσεις και είχε δοκιμάσει εννέα φάρμακα κατά των κρίσεων χωρίς καμία βελτίωση της κατάστασής του. Αυτό το εργαλείο θα μπορούσε να εντοπίσει ασθενείς με χειρουργικά αντιμετωπίσημη επιληψία και να βοηθήσει στον χειρουργικό σχεδιασμό -- μειώνοντας τους κινδύνους, εξοικονομώντας χρήματα, βελτιώνοντας τα αποτελέσματα".
Αν και το εργαλείο δεν είναι ακόμη κλινικά διαθέσιμο, η ερευνητική ομάδα έχει κυκλοφορήσει το εργαλείο τεχνητής νοημοσύνης ως λογισμικό ανοικτού κώδικα. Διοργανώνουν εργαστήρια για να εκπαιδεύσουν κλινικούς γιατρούς και ερευνητές σε όλο τον κόσμο, συμπεριλαμβανομένου του Νοσοκομείου Great Ormond Street και της Cleveland Clinic, στον τρόπο χρήσης του.
