ხელოვნური ინტელექტის ახალ სისტემას შეუძლია ადრეული ძვლოვანი დანაკარგის გამოვლენა ჩვეულებრივი გულმკერდის რენტგენოგრაფიული გამოსახულებების საფუძველზე, რაც პოტენციურად შეცვლის ოსტეოპოროზის სკრინინგის პრაქტიკას მილიონობით პაციენტისთვის, რომლებიც ამჟამინდელი სკრინინგის კრიტერიუმებს არ აკმაყოფილებენ.
ტექნოლოგია ავსებს მნიშვნელოვან ხარვეზს, რომლის გამოც საშუალო ასაკის მოზრდილები, მამაკაცები და ნორმალური სხეულის მასის მქონე ადამიანები ხშირად ოსტეოპოროზის დიაგნოზის გარეშე რჩებიან, ვიდრე 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 ალგორითმს შეუძლია გულმკერდის რუტინული რენტგენოგრაფიული გამოსახულებების ანალიზით დაადგინოს ძვლოვანი სიმკვრივის ისეთი ნიმუშები, რომლებიც ოსტეოპოროზის რისკთან კორელირებს, რაც შესაძლოა მნიშვნელოვანი ინსტრუმენტი გახდეს იმ პაციენტების ადრეული იდენტიფიცირებისთვის, რომლებიც დღეს სკრინინგის პროგრამების მიღმა რჩებიან.
— სამედიცინო ვიზუალიზაციის მკვლევარები (Medical Xpress, 2026)
ძირითადი დასკვნები
- ხელოვნური ინტელექტის ტექნოლოგიას შეუძლია რუტინულად ჩატარებული გულმკერდის რენტგენოგრაფიის ანალიზი და ძვლოვანი დანაკარგის ადრეული ნიშნების გამოვლენა, ვიდრე მოტეხილობები განვითარდება.
- ოსტეოპოროზის სკრინინგის მოქმედი რეკომენდაციები ხშირად ვერ ფარავს მნიშვნელოვან ჯგუფებს, მათ შორის შედარებით ახალგაზრდა ასაკის ზრდასრულებს, მამაკაცებსა და ნორმალური სხეულის მასის მქონე პირებს.
- ახალი მიდგომა იყენებს უკვე არსებულ გამოსახულებით კვლევებს და არ საჭიროებს დამატებით ვიზიტებს ან სპეციალიზებულ დიაგნოსტიკურ ტესტებს.
ხშირად დასმული კითხვები
რამდენად ზუსტია ხელოვნური ინტელექტის ეს მეთოდი ძვლის სიმკვრივის სტანდარტულ კვლევებთან შედარებით?
მიუხედავად იმისა, რომ კვლევაში ზუსტი მაჩვენებლები არ იყო წარმოდგენილი, ტექნოლოგიის მთავარი დანიშნულებაა იმ პაციენტების გამოვლენა, რომლებსაც შესაძლოა ოსტეოპოროზის ან ძვლოვანი დანაკარგის მომატებული რისკი ჰქონდეთ და შემდგომში საჭიროებდნენ ძვლის სიმკვრივის სტანდარტულ შეფასებას, მათ შორის DEXA სკანირებას.
ვინ შეიძლება მიიღოს ყველაზე მეტი სარგებელი ამ მიდგომიდან?
ყველაზე მეტად ისარგებლებენ ადამიანები, რომლებიც ამჟამად ოსტეოპოროზის რუტინული სკრინინგის რეკომენდაციებში არ შედიან. მათ შორის არიან 70 წლამდე მამაკაცები, 50-65 წლის ქალები და პირები, რომლებსაც ოსტეოპოროზის კლასიკური რისკ-ფაქტორები არ აღენიშნებათ.
როდის შეიძლება გახდეს ეს ტექნოლოგია ფართოდ ხელმისაწვდომი?
ტექნოლოგიის ფართო დანერგვის ზუსტი ვადები ჯერ ცნობილი არ არის. როგორც წესი, მსგავსი ხელოვნური ინტელექტის სისტემები საჭიროებს დამატებით კლინიკურ კვლევებს, ეფექტიანობის დადასტურებას და მარეგულირებელი ორგანოების შესაბამის დამტკიცებას, ვიდრე ყოველდღიურ კლინიკურ პრაქტიკაში დაინერგება.
ჯანდაცვის სისტემები სულ უფრო აქტიურად ეძებენ გზებს, რათა დაავადებების რისკი ადრეულ ეტაპზე და უფრო ფართო პოპულაციებში გამოავლინონ. ამ კონტექსტში, ხელოვნური ინტელექტის მიერ რუტინული რენტგენოგრაფიული კვლევების ანალიზი პერსპექტიულ მიმართულებად მიიჩნევა. ტექნოლოგიის მთავარი უპირატესობა ის არის, რომ მისი გამოყენება შესაძლებელია უკვე არსებული კლინიკური პროცესების ფარგლებში, რაც ოსტეოპოროზის სკრინინგში არსებული ხარვეზების შემცირებას, დაავადების ადრეულ გამოვლენასა და მოტეხილობების პრევენციას შეუწყობს ხელს.
წყარო: AI repurposes routine chest X-rays to catch silent bone loss before fracture
