Procjena srčanožilnog rizika s pomoću umjetne inteligencije
07.07.2025.
Analiza fotografija očne pozadine s pomoću umjetne inteligencije može učinkovito identificirati osobe s povećanim rizikom od srčanog i moždanog udara, nudeći brzu i neinvazivnu alternativu tradicionalnim procjenama srčanožilnog rizika.
Nedavna istraživanja pokazala su da analiza automatiziranih prikaza očne pozadine s pomoću umjetne inteligencije može biti pouzdan alat za predviđanje srčanožilnih bolesti. Iako su razvijeni brojni modeli koji se temelje na analizi fotografija krvnih žila mrežnice oka, još uvijek nemamo dovoljno provjerenih podataka o njihovoj uporabi u svakodnevnoj kliničkoj praksi.
Važan korak u smjeru njihove praktične primjene napravila je skupina autora iz australskog Središta za očna istraživanja u Melbourneu pod vodstvom profesorice Lise Zhuoting Zhu. Oni su po prvi puta istražili primjenu automatske kamere za snimanje mrežnice oka u 361 pacijenta u dobi od 45 do 70 godina u osam ordinacija primarne zdravstvene zaštite u Australiji. Fotografije je potom analizirao algoritam za procjenu rizika od srčanožilnih bolesti na temelju fotografija retine, skraćeno rpCVD. Rezultati su pokazali kako je metoda bila odlično prihvaćena od strane liječnika i pacijenata s 94 % uspješnosti u dobivanju kvalitetnih fotografija i medijanom vremena snimanja od 1 minute i 47 sekundi.
Autori su zatim usporedili rezultate algoritma rpCVD s algoritmom procjene rizika Svjetske zdravstvene organizacije (SZO) koji se temelji na podacima o dobi, spolu, krvnom tlaku, razinama kolesterola, pušenju i dijabetesu. Pronašli su umjerenu korelaciju sa 67 % podudarnih rezultata. U 17 % ispitanika s analiziranim očnim fotografijama rizik je bio precijenjen, dok je kod 19 % ispitanika, pretežno starijih pušača, rizik bio podcijenjen u odnosu na rezultate procjene rizika prema SZO. Obje procjene autori su zatim usporedili s podacima više od 27 500 pacijenata iz medicinske baze podataka UK Biobank. Točnost rpCVD procjene rizika pritom je bila jednaka procjeni rizika od srčanožilnih bolesti tijekom 10 godina prema algoritmu SZO-a– površina ispod krivulje (AUC) za rpCVD bila je 0,672, dok je za algoritam SZO-a bila 0,693.
Ovo istraživanje ukazuje na značajan potencijal fotografija mrežnice i umjetne inteligencije kao praktične i jednostavne metode za rani probir pacijenata s povećanim rizikom od srčanožilnih bolesti. Autori ističu kako bi ovakvi pregledi u budućnosti također mogli dati rani uvid u druge bolesti, kao neurološke i nefrološke.
Adrian Lukenda