Amir Latif Arain
30 Април 2025•Ажурирај: 01 Мај 2025
АНКАРА (АА) - Истражувачи во Австралија и Канада развија алгоритам за машинско учење способен да идентификува кардиоваскуларни ризици, како и потенцијал за фрактура при паѓање, користејќи стандардни скенирања на густината на коските, соопшти австралискиот Универзитет „Едит Кован“ (ECU), пренесува Анадолу.
Креиран во партнерство со Универзитетот во Манитоба, автоматизираниот систем анализира слики за проценка на фрактура на пршлените (VFA) за да открие калцификација на абдоминалната аорта (AAC) - клучен маркер за срцеви удари, мозочни удари и паѓања. Овој пронајдок би можел да овозможи порано поставување на поопфатни дијагнози за време на рутинските скрининг-прегледи за остеопороза, што особено ќе им користи на повозрасните лица.
За разлика од традиционалните проценки на AAC, што траат 5 до 6 минути по слика и бараат обучен експерт, новата алатка управувана од вештачка интелигенција може да скенира илјадници слики за помалку од една минута, што ја прави многу ефикасна за скрининг од поголеми размери.
За време на студијата, соработничката во истражувањето, д-р Касандра Смит, откри дека 58 % од постарите лица кои се подложени на тестови за густина на коските имале умерени до високи нивоа на AAC, при што еден од четири не бил свесен дека е изложен на висок ризик од кардиоваскуларен ризик.
„Кај жените има недоволен скрининг и се недоволно третирани за кардиоваскуларни заболувања“, рече Смит, додавајќи дека оваа алатка им овозможува на лекарите да ги искористат постојните скенирања од апаратите со ниско зрачење широко достапни за да ги идентификуваат лицата со висок ризик кои инаку би останале незабележани.
Користејќи го истиот алгоритам, вишиот истражувачки соработник, д-р Марк Сим, забележал дека пациентите со повисоки AAC резултати исто така имаат поголема веројатност да бидат хоспитализирани поради падови и фрактури.
„Колку е поголема калцификацијата во вашите артерии, толку е поголем ризикот од падови и фрактури“, објасни Сим. Тој рече дека васкуларното здравје често се занемарува при проценките на ризикот од паѓање и дека овој алгоритам би можело значително да ја промени клиничката практика.
