ხელოვნური ინტელექტის ახალ სისტემას შეუძლია ადრეული ძვლოვანი მასის დაკარგვის გამოვლენა ჩვეულებრივი მამოგრაფიული გამოსახულებების საფუძველზე, რაც პოტენციურად შეცვლის ოსტეოპოროზის სკრინინგის პრაქტიკას მილიონობით პაციენტისთვის, რომლებიც დღეს მოქმედი რეკომენდაციების მიხედვით სკრინინგს არ ექვემდებარებიან.
ტექნოლოგია მიზნად ისახავს მნიშვნელოვანი დიაგნოსტიკური ხარვეზის აღმოფხვრას, რადგან ახალგაზრდა ასაკის ზრდასრულები, მამაკაცები და ნორმალური სხეულის წონის მქონე ადამიანები ხშირად დიაგნოზის გარეშე რჩებიან მანამ, სანამ პირველი მოტეხილობა არ განუვითარდებათ.
ოსტეოპოროზის სკრინინგის მიმდინარე ხარვეზები დემოგრაფიული ჯგუფების მიხედვით
რისკის ქვეშ მყოფი ზრდასრულების პროცენტი, რომლებიც გამორიცხულია რუტინული სკრინინგის სახელმძღვანელო ნორმებიდან
წყარო: ეროვნული ოსტეოპოროზის ფონდი, 2024 | საქართველოს სამედიცინო ჟურნალი
ფარული დაავადება მრავალფეროვან პოპულაციებს შეიცავს
ოსტეოპოროზი თანდათანობით ვითარდება, როდესაც ძვლები კარგავენ სიმჭიდროვესა და ძალას, ხშირად წლების განმავლობაში ფარულად პროგრესირებს, სანამ პირველი მოტეხა არ გამოავლენს ძირითად მდგომარეობას. სკრინინგის მიმდინარე სახელმძღვანელო ნორმები ძირითადად მიზნად ისახავს 65 წლის და უფროსი ასაკის ქალებს, პლუს უმცროსი მენოპაუზის შემდგომი ქალები რისკის ფაქტორებით.
ეს მიდგომა მნიშვნელოვან პოპულაციებს რუტინული სკრინინგის ხელმისაწვდომობის გარეშე ტოვებს, მათ შორის 70 წლამდე კაცების უმეტესობას, ახალგაზრდა ქალებსა და ინდივიდებს, რომლებიც ტრადიციული რისკის პროფილებს არ შეესაბამებიან. ეროვნული ოსტეოპოროზის ფონდი აფასებს, რომ დაახლოებით 10.2 მილიონ ამერიკელს აქვს ოსტეოპოროზი, ხოლო კიდევ 43.4 მილიონს აქვს დაბალი ძვლოვანი სიმჭიდროვე, რაც მათ მოტეხის გაზრდილ რისკში აყენებს.
მსოფლიოს ჯანდაცვის სისტემები მსგავს გამოწვევებს აწყდება რისკის ქვეშ მყოფი პაციენტების იდენტიფიცირებაში მოტეხების მოხდენამდე. ეს განვითარება წარმოადგენს პოტენციურ გადასვლას ოპორტუნისტული სკრინინგისკენ, რომელსაც შეუძლია ძვლოვანი დაკარგვის იდენტიფიცირება რუტინული სამედიცინო ვიზუალიზაციის დროს.
XI ტექნოლოგია აანალიზებს არსებულ ვიზუალიზაციას
ხელოვნური ინტელექტის სისტემა აანალიზებს მკერდის რენტგენის სურათებს, რომლებსაც პაციენტები იღებენ სხვა სამედიცინო მიზეზების გამო, როგორიცაა პნევმონიის სკრინინგი ან ქირურგიამდელი შეფასებები. ამ რუტინულ სურათებში ხილული ძვლოვანი სიმჭიდროვის ნიმუშების შესწავლით, ტექნოლოგიას შეუძლია მოინიშნოს პაციენტები, რომლებსაც ძვლოვანი სიმჭიდროვის ფორმალური ტესტირება შეუძლიათ.
ეს მიდგომა იყენებს ვიზუალიზაციას, რომელსაც ჯანდაცვის სისტემები უკვე რუტინულად ასრულებენ, პოტენციურად აღმოფხვრის დამატებითი ვიზიტების ან სპეციალიზებული ტესტების საჭიროებას ადრეული სკრინინგისთვის. დაავადებათა კონტროლისა და პრევენციის ცენტრები აღნიშნავს, რომ ბევრი მოტეხა ხდება ადამიანებში, რომლებსაც ოსტეოპოროზის დიაგნოზი არ დაუსვამთ.
ათასობით ვიზუალიზაციის კვლევაზე მომზადებული მანქანური სწავლების ალგორითმებს შეუძლია დაადგინონ ძვლოვანი არქიტექტურის დახვეწილი ცვლილებები, რომლებიც შეიძლება ადამიანური დამკვირვებლებისთვის მკერდის რენტგენის სხვა მიზნებისთვის განხილვისას თვალნათლივი არ იყოს.
ხელმისაწვდომობის გაფართოება მიმდინარე სახელმძღვანელო ნორმებს მიღმა
ტრადიციული ძვლოვანი სიმჭიდროვის სკრინინგი ორენერგეტიკული რენტგენის აბსორბციომეტრიის (DEXA) სკანირების გამოყენებით საჭიროებს სპეციალიზებულ აღჭურვილობასა და სპეციალურ ვიზიტებს, რაც ბარიერებს ქმნის ზოგიერთი პაციენტისთვის. მსოფლიო ჯანდაცვის ორგანიზაცია აფასებს, რომ ოსტეოპოროზული მოტეხები გლობალურად კვლავ იზრდება პოპულაციების დაბერებისთანავე.
კაცები წარმოადგენენ განსაკუთრებით არასაკმარისად მომსახურე ჯგუფს ოსტეოპოროზის სკრინინგში, მიუხედავად იმისა, რომ შემთხვევების დაახლოებით 20%-ს შეადგენენ. მდგომარეობა ხშირად უცნობი რჩება მამაკაც პაციენტებში მძიმე გართულებების განვითარებამდე. ახალგაზრდა ზრდასრულები და ნორმალური სხეულის წონის მქონე პირებიც ტიპიური სკრინინგის პროტოკოლებს მიღმა არიან.
XI-ზე დაფუძნებული სკრინინგის ინტეგრაცია რუტინული მკერდის ვიზუალიზაციის სამუშაო პროცესებში შეიძლება იდენტიფიცირებული ამ გამოტოვებული პოპულაციების მიმდინარე კლინიკური პროტოკოლების ცვლილების გარეშე.
ხელოვნური ინტელექტის სისტემას შეუძლია რუტინული მამოგრაფიული გამოსახულებების ანალიზის საფუძველზე გამოავლინოს ძვლის სიმკვრივის ისეთი ნიშნები, რომლებიც ოსტეოპოროზის მომატებულ რისკთან არის დაკავშირებული. ეს მიდგომა პოტენციურად შესაძლებელს გახდის მილიონობით იმ პაციენტის იდენტიფიცირებას, რომლებიც ამჟამად სკრინინგს არ გადიან, რეგულარული სამედიცინო გამოკვლევების ფარგლებში.
— სამედიცინო ვიზუალიზაციის მკვლევარები (Medical Xpress, 2026)
ძირითადი დასკვნები
- ხელოვნური ინტელექტის ტექნოლოგიას შეუძლია ჩვეულებრივი მამოგრაფიული გამოსახულებების ანალიზი და ადრეული ძვლოვანი მასის დაკარგვის გამოვლენა მანამდე, სანამ პაციენტს მოტეხილობა განუვითარდება.
- ოსტეოპოროზის სკრინინგის მოქმედი რეკომენდაციები ხშირად ვერ ფარავს მნიშვნელოვან ჯგუფებს, მათ შორის ახალგაზრდა ზრდასრულებს, მამაკაცებსა და ნორმალური სხეულის მასის მქონე ადამიანებს, რის გამოც დაავადება ხშირად შეუმჩნეველი რჩება.
- ახალი მიდგომა იყენებს უკვე არსებულ დიაგნოსტიკურ გამოსახულებებს და კლინიკურ სამუშაო პროცესებს, რაც დამატებითი ვიზიტების, ახალი კვლევების ან სპეციალიზებული გამოკვლევების საჭიროებას ამცირებს.
ხშირად დასმული კითხვები
რამდენად ზუსტია ხელოვნური ინტელექტის სკრინინგი ძვლის სიმკვრივის სტანდარტულ კვლევებთან შედარებით?
მიუხედავად იმისა, რომ კონკრეტული კვლევის ფარგლებში ზუსტობის დეტალური მონაცემები არ იყო წარმოდგენილი, ხელოვნური ინტელექტის სისტემა განიხილება როგორც ადრეული გაფრთხილების ინსტრუმენტი, რომელიც ეხმარება იმ პაციენტების გამოვლენას, რომლებმაც შესაძლოა შემდგომში ძვლის სიმკვრივის სტანდარტული შეფასება — DEXA კვლევა — გაიარონ.
ვინ შეიძლება ყველაზე მეტად ისარგებლოს ამ მიდგომით?
ყველაზე დიდი სარგებელი შეიძლება მიიღონ იმ პაციენტებმა, რომლებიც დღეს მოქმედი ოსტეოპოროზის სკრინინგის რეკომენდაციების მიღმა რჩებიან. მათ შორის არიან 70 წლამდე მამაკაცები, 50–65 წლის ქალები და ადამიანები, რომლებსაც ტრადიციული რისკ-ფაქტორები არ აქვთ.
როდის შეიძლება გახდეს ეს ტექნოლოგია ფართოდ ხელმისაწვდომი?
ამ ეტაპზე მისი კლინიკურ პრაქტიკაში დანერგვის ზუსტი ვადები განსაზღვრული არ არის. როგორც წესი, მსგავსი სამედიცინო ხელოვნური ინტელექტის სისტემები საჭიროებს დამატებით კლინიკურ კვლევებს, ეფექტიანობის დადასტურებასა და შესაბამისი მარეგულირებელი ორგანოების დამტკიცებას ფართო გამოყენებამდე.
დასკვნა
ჯანდაცვის სისტემები სულ უფრო აქტიურად ეძებენ გზებს, რომლებიც სხვადასხვა პოპულაციაში დაავადების რისკის ადრეულ გამოვლენას შეუწყობს ხელს. ხელოვნური ინტელექტის გამოყენება უკვე ჩატარებული მამოგრაფიული კვლევების ანალიზისთვის პერსპექტიულ მიმართულებად მიიჩნევა, რადგან ის საშუალებას იძლევა დამატებითი გამოკვლევების გარეშე გამოვლინდნენ პაციენტები, რომლებსაც ოსტეოპოროზის განვითარების მაღალი რისკი აქვთ.
ამ ტექნოლოგიის ინტეგრირება არსებულ კლინიკურ პროცესებში შეიძლება მნიშვნელოვანი ნაბიჯი გახდეს ოსტეოპოროზის სკრინინგის არსებული ხარვეზების შემცირების, დაავადების უფრო ადრეული დიაგნოსტიკისა და მოტეხილობების პრევენციის მიმართულებით.
წყარო: AI repurposes routine chest X-rays to catch silent bone loss before fracture
