Tętniaki wewnątrzczaszkowe to tykająca bomba zegarowa – przez lata mogą nie dawać żadnych objawów, a ich pęknięcie często kończy się tragicznie.
Statystyki są nieubłagane: nawet połowa pacjentów po pęknięciu tętniaka umiera, a pozostali często zmagają się z poważnymi trwałymi następstwami neurologicznymi. Zespół badaczy z Politechniki Gdańskiej oraz Gdańskiego Uniwersytetu Medycznego pracuje nad rozwiązaniem, które ma szansę zrewolucjonizować diagnostykę i wykrywać zagrożenie, zanim dojdzie do krwotoku.
Przełom w diagnostyce: dane zamiast drogich badań obrazowych
Innowacja gdańskich naukowców polega na zmianie paradygmatu diagnostyki. Do tej pory ocenę ryzyka obecności tętniaka opierano wyłącznie na kosztownych i skomplikowanych badaniach obrazowych, takich jak tomografia czy angiografia. Nowe narzędzie wykorzystuje sztuczną inteligencję do analizy rutynowych danych laboratoryjnych, wywiadu lekarskiego oraz tekstowej dokumentacji medycznej.
Liderzy zespołów badawczych, dr inż. Patryk Jasik z Politechniki Gdańskiej oraz dr n. med. Justyna Fercho z GUMed i UCK, wskazują na jasną misję projektu:
Motywem przewodnim naszego projektu badawczego jest: Od danych do diagnozy. Od diagnozy do uratowanego życia. Dane zostały bardzo precyzyjnie przygotowane do etapów analizy i modelowania, ze szczególnym uwzględnieniem zabezpieczeń przed wyciekami danych. Zastosowaliśmy nowoczesne modele predykcyjne – m.in. TabNet oraz zapewniliśmy ich wielokryterialną walidację, co pozwoliło uniknąć zawyżania wyników.
Maszynowe uczenie na ogromnej próbie pacjentów
Skuteczność systemu opiera się na analizie gigantycznej bazy danych obejmującej ponad 60 tysięcy pacjentów leczonych w Uniwersyteckim Centrum Klinicznym w Gdańsku w latach 2006–2024. Modele biorą pod uwagę 26 wyników badań laboratoryjnych, takich jak poziom glukozy, kreatyniny, sodu czy płytek krwi, oraz czynniki ryzyka: nadciśnienie, cukrzycę i palenie tytoniu.
Wyjątkowym elementem projektu jest wykorzystanie wielkich modeli językowych (LLM), takich jak polski Bielik czy LLaMA. Pozwalają one na automatyczne i błyskawiczne wyciąganie kluczowych informacji z notatek lekarskich, które dotąd były bardzo trudne do przetworzenia komputerowego. Jak wyjaśnia dr Patryk Jasik:
Użycie modeli językowych pozwala na bardzo szybkie przetworzenie i analizę notatek lekarskich, które są bardzo cennym źródłem danych w całej diagnostyce tętniaka. Uzyskane dokładności wybranych modeli przekraczają 80 proc., a w niektórych analizach sięgają nawet ponad 90 proc.
Ekonomiczny i ludzki wymiar innowacji
Problem tętniaków może dotyczyć nawet co 50. dorosłej osoby. W skali Polski oznacza to setki tysięcy potencjalnie zagrożonych. Wczesne wykrycie tętniaka pozwala na przeprowadzenie planowych, bezpieczniejszych zabiegów, takich jak operacyjne klipsowanie lub małoinwazyjna embolizacja.
Dr Justyna Fercho podkreśla, że choć koszty takich zabiegów wahają się od 25 do 40 tysięcy złotych, są one nieporównywalnie niższe niż wydatki związane z leczeniem po pęknięciu tętniaka. Krwotok podpajęczynówkowy generuje lawinowe koszty intensywnej terapii, wieloletniej rehabilitacji, a także strat gospodarczych wynikających z niezdolności pacjentów do pracy.
Projekt „AI-Powered Medical Software for Predicting the Likelihood of Intracranial Aneurysm” został już doceniony na arenie międzynarodowej. Zakwalifikowano go do programu akceleracyjnego I3HIES, który wspiera najbardziej obiecujące innowacje medyczne na drodze do ich komercjalizacji. Jeśli system wejdzie do powszechnego użytku, lekarze otrzymają do rąk potężne narzędzie – kliniczny kalkulator, który na podstawie zwykłego badania krwi zasugeruje potrzebę dalszej diagnostyki.
Komentarze (0)