– Des recherches récentes de Rutgers, l’Université d’État du New Jersey, ont décrit comment l’intelligence artificielle (IA) et l’apprentissage automatique (ML) pourraient être habitué à examiner les gènes dans l’ADN, des informations qui peuvent aider les cliniciens à prédire les maladies cardiovasculaires telles que la fibrillation auriculaire et l’insuffisance cardiaque.
Selon le Centres de contrôle et de prévention des maladies (CDC)les maladies cardiaques sont la principale cause de décès chez les personnes de la plupart des groupes ethniques aux États-Unis, tuant une personne toutes les 34 secondes.
En outre, le communiqué de presse a noté qu’environ 50% des patients atteints de maladies cardiovasculaires meurent dans les cinq ans suivant un diagnostic, souvent en raison de facteurs génétiques ou environnementaux.
Cependant, l’Organisation mondiale de la santé a également estimé que plus de 75 % des maladies cardiovasculaires prématurées sont évitables, selon l’étude Rutgers. publié dans Génomique.
« Une compréhension opportune et un traitement précis des maladies cardiovasculaires bénéficieront en fin de compte à des millions de personnes en réduisant le risque élevé de mortalité et en améliorant la qualité de vie », a déclaré Zeeshan Ahmed, PhD, membre principal du corps professoral du Rutgers Institute for Health, Health Care Policy. and Aging Research (IFH) et auteur principal de l’étude, dans un communiqué de presse.
Pour faire progresser le diagnostic et le traitement précoces des maladies cardiovasculaires, les chercheurs de Rutgers ont utilisé des modèles d’IA et de ML pour identifier les gènes susceptibles d’avoir une relation avec les maladies cardiovasculaires.
Les chercheurs ont analysé des patients en bonne santé et des patients atteints de maladies cardiovasculaires. Ils ont utilisé des modèles d’IA et de ML pour déterminer l’association entre les gènes et diverses manifestations de la maladie, notamment la fibrillation auriculaire et l’insuffisance cardiaque.
Ils ont identifié un groupe de gènes associés aux maladies cardiovasculaires. Ils ont également constaté que l’âge, le sexe et les facteurs raciaux contribuaient aux maladies cardiovasculaires. Plus précisément, l’âge et le sexe étaient corrélés à l’insuffisance cardiaque, et l’âge et la race étaient des facteurs plus importants dans la fibrillation auriculaire.
“Avec l’exécution réussie de notre modèle, nous avons prédit l’association de gènes de maladies cardiovasculaires hautement significatifs liés à des variables démographiques telles que la race, le sexe et l’âge”, a déclaré Ahmed dans un communiqué de presse.
Les chercheurs ont noté que d’autres recherches devraient examiner des ensembles complets de gènes chez les patients atteints de maladies cardiovasculaires, car ces informations peuvent fournir des informations précieuses sur les biomarqueurs et les facteurs de risque.
Il s’agit du dernier exemple d’utilisation de l’IA pour améliorer les soins cliniques.
Une étude de septembre 2022 a révélé qu’une stratégie de dépistage basée sur l’IA pourrait utiliser les données d’électrocardiogramme pour déterminer avec succès le risque d’accident vasculaire cérébral.
Après avoir analysé 1 003 patients ayant participé à une surveillance continue et 1 003 patients ayant reçu des soins standard, les chercheurs ont découvert qu’un algorithme d’IA détectait la fibrillation auriculaire chez six des 370 patients à faible risque et 48 des 633 patients à haut risque.
À partir de ces résultats, les chercheurs ont conclu que l’outil de dépistage guidé par l’IA augmentait efficacement la détection de la fibrillation auriculaire.
D’autres recherches d’avril 2022 ont révélé qu’un système d’IA améliorait la précision des diagnostics de maladies cardiaques par échographie.
Les chercheurs ont exposé un modèle d’IA à des milliers d’images échographiques saines et malsaines. Ces décisions prises par le modèle d’IA ont ensuite fait l’objet d’un apprentissage approfondi supplémentaire pour améliorer la précision.
Après l’étape suivante, qui comprenait des diagnostics d’experts avec et sans l’assistance d’un modèle d’IA, les chercheurs ont découvert que les diagrammes de décision basés sur l’IA aidaient à améliorer la précision du diagnostic.
