Zespół naukowców z Politechniki Gdańskiej, Gdańskiego Uniwersytetu Medycznego oraz Uniwersyteckiego Centrum Klinicznego w Gdańsku pracuje nad rozwiązaniem, które może znacząco zwiększyć szanse na wykrycie zagrożenia, zanim dojdzie do pęknięcia tętniaka i groźnego krwotoku. Kluczowym elementem projektu jest zastosowanie sztucznej inteligencji do analizy danych klinicznych.
Dane zamiast skalpela – nowy kierunek w diagnostyce
Celem badaczy jest opracowanie narzędzia, które pozwoli oszacować ryzyko występowania tętniaka oraz jego pęknięcia już na podstawie danych laboratoryjnych, wywiadu medycznego i zapisów zawartych w dokumentacji pacjenta. To podejście stanowi istotną zmianę w dotychczasowym myśleniu o diagnostyce – do tej pory sądzono, że ocena ryzyka możliwa jest wyłącznie w oparciu o badania obrazowe, takie jak tomografia komputerowa czy angiografia.
Projekt zakłada realizację prac w trzech kluczowych etapach:
opracowanie modelu predykcji ryzyka pęknięcia tętniaka,
ocenę prawdopodobieństwa przynależności pacjenta do grupy ryzyka wystąpienia tętniaka,
stworzenie klinicznego kalkulatora oraz aplikacji wspierającej lekarzy w podejmowaniu decyzji terapeutycznych dotyczących pacjentów zagrożonych chorobą.
– Motywem przewodnim naszego projektu badawczego jest hasło: „Od danych do diagnozy. Od diagnozy do uratowanego życia” – podkreślają dr inż. Patryk Jasik, lider zespołu z Politechniki Gdańskiej, oraz dr n. med. Justyna Fercho, kierująca zespołem z Gdańskiego Uniwersytetu Medycznego i UCK.
Setki tysięcy rekordów i potencjał uczenia maszynowego
Modele opracowane przez naukowców analizują rutynowe wyniki badań laboratoryjnych oraz tekstową dokumentację medyczną. Do ich stworzenia wykorzystano dane pochodzące od ponad 60 tysięcy pacjentów leczonych w Uniwersyteckim Centrum Klinicznym w Gdańsku w latach 2006–2024.
Już pierwsze wersje modeli przyniosły bardzo obiecujące rezultaty, osiągając skuteczność przekraczającą 77% oraz około 80% czułości, co wskazuje na ich wysoki potencjał kliniczny.
Na początkowym etapie uwzględniono 26 parametrów laboratoryjnych oraz predyktory oparte na analizie tekstowej dokumentacji medycznej. Wśród nich znalazły się m.in. poziom glukozy, liczba płytek krwi, kreatynina, sód, MCH, MPV, liczba limfocytów, potas, a także czynniki ryzyka, takie jak palenie tytoniu, cukrzyca czy nadciśnienie tętnicze. Już na tym etapie wykazano istotne statystycznie różnice pomiędzy pacjentami z tętniakiem pękniętym i niepękniętym. Co istotne, w przypadku osób, u których doszło do pęknięcia, analizy oparto wyłącznie na danych zgromadzonych przed tym zdarzeniem.
– Dane zostały niezwykle starannie przygotowane do dalszych etapów analizy i modelowania, z dużym naciskiem na zabezpieczenia przed wyciekami informacji. Zastosowaliśmy nowoczesne modele predykcyjne, w tym TabNet, oraz przeprowadziliśmy ich wielokryterialną walidację, co pozwoliło uniknąć zawyżania wyników. Dokładność wybranych modeli przekracza 80%, a w niektórych analizach sięga nawet ponad 90% – wyjaśnia dr Jasik.
– Takie podejście jest obecnie bardzo pożądane przez środowisko medyczne – dodaje dr Fercho. – Wiedza o tym, na jakiej podstawie model wylicza prawdopodobieństwo ryzyka tętniaka, może być świadomie wykorzystywana w skuteczniejszej diagnostyce pacjentów.
Modele językowe w służbie analizy dokumentacji
Nowatorskim elementem projektu jest zastosowanie dużych modeli językowych (LLM), takich jak LLaMA, PLLuM czy Bielik. Ich zadaniem jest automatyczne wydobywanie istotnych informacji z opisów medycznych, co znacząco zwiększa efektywność modeli predykcyjnych i umożliwia analizę danych, które dotychczas były trudne do przetwarzania komputerowego.
– Wykorzystanie modeli językowych pozwala na bardzo szybkie przetwarzanie i analizę notatek lekarskich, które stanowią niezwykle cenne źródło informacji w diagnostyce tętniaków – podkreśla jeden z naukowców zaangażowanych w projekt.
Tętniaki – poważne zagrożenie zdrowotne i wysokie koszty leczenia
Problem tętniaków może dotyczyć praktycznie każdego. Statystyki pokazują, że nawet jedna na 50 dorosłych osób może mieć niepękniętego tętniaka mózgu. W skali kraju oznacza to setki tysięcy potencjalnie zagrożonych pacjentów.
Obecnie stosuje się dwie główne metody zabezpieczania tętniaków niepękniętych.
– Pierwszą z nich jest operacyjne klipsowanie, metoda inwazyjna wymagająca otwarcia czaszki, której średni koszt wynosi około 30 tysięcy złotych – wyjaśnia dr Justyna Fercho. – Drugą opcją jest mniej inwazyjna metoda endowaskularna, czyli embolizacja. Polega ona na wprowadzeniu cienkiego cewnika, najczęściej przez tętnicę udową, i zastosowaniu materiałów zamykających tętniaka. Najczęściej wykorzystuje się platynowe spirale, które wypełniają jego wnętrze, odcinają go od krążenia i zapobiegają pęknięciu lub nawrotowi krwawienia. W przypadku tętniaków o szerokiej szyi lub bardziej złożonej budowie stosuje się dodatkowo stenty wspomagające lub urządzenia typu flow diverter, które zmieniają przepływ krwi i sprzyjają naturalnemu zamknięciu tętniaka. Koszt takiego zabiegu endowaskularnego wynosi średnio od 25 do 40 tysięcy złotych, w zależności od zastosowanych materiałów.
Jeżeli jednak dojdzie do pęknięcia tętniaka, koszty leczenia pacjenta po krwotoku podpajęczynówkowym gwałtownie rosną i wielokrotnie przewyższają koszty profilaktycznego zabezpieczenia tętniaka. Do tego dochodzą długotrwała rehabilitacja oraz konieczność wypłaty rent, ponieważ wielu pacjentów nie jest już w stanie wrócić do pracy zawodowej.
– Wczesne wykrycie niepękniętego tętniaka na podstawie ryzyka oszacowanego przez nasze modele to nie tylko uratowane zdrowie i życie pacjentów, ale także realne oszczędności dla systemu ochrony zdrowia – podkreśla dr Patryk Jasik.
Projekt doceniony w międzynarodowym programie I3HIES
Projekt zatytułowany „AI-Powered Medical Software for Predicting the Likelihood of Intracranial Aneurysm” jest rezultatem ścisłej współpracy zespołów naukowych z Gdańskiego Uniwersytetu Medycznego, Politechniki Gdańskiej (WFTiMS oraz Centrum BioTechMed), Uniwersyteckiego Centrum Klinicznego oraz partnerów branżowych specjalizujących się w obszarze data science.
Obecnie inicjatywa została zakwalifikowana do międzynarodowego programu akceleracyjnego I3HIES, który wspiera najbardziej obiecujące innowacje w sektorze ochrony zdrowia i pomaga rozwijać je aż do etapu inwestycyjnego oraz komercjalizacji.
