Inteligența artificială în SM

 

și în alte afecțiuni medicale pe care nu le abordez aici.

 Scleroza multiplă (SM) este o afecțiune autoimună cronică eterogenă a sistemului nervos central, cu neurodegenerare asociată, iar netratată, duce la dizabilitate semnificativă. Debutul clinic al SM este de obicei observat între vârstele de 20 și 40 de ani și se consideră a fi una dintre cele mai frecvente cauze de dizabilitate permanentă non-traumatică la adulții tineri.

Incidența și prevalența sclerozei multiple variază geografic și afectează aproape 1 milion de persoane în Statele Unite și aproximativ 2,8 milioane de persoane la nivel mondial.

Fiziopatologia sclerozei multiple este complexă și probabil multifactorială, dar se consideră că apare la persoane predispuse genetic, cu diverși factori exogeni, inclusiv infecția cu virusul Epstein-Barr.

În ultimii ani s-au analizat diferitele progrese în abordările bazate pe inteligență artificială (IA) în scleroza multiplă (SM). Aplicațiile IA în SM acoperă investigarea patogenezei, diagnosticului, tratamentului și prognosticului bolii.

Un subset de modele de IA și învățare automată (ML) analizează diverse surse de date, inclusiv

• imagistica prin rezonanță magnetică (IRM),

• date genetice și clinice, pentru

• a distinge SM de alte afecțiuni,

• a prezice progresia bolii și a personaliza strategiile de tratament.

Aplicarea potențială a inteligenței artificiale (IA) în scleroza multiplă este deosebit de atractivă pentru nevoile neacoperite în continuare. Subiectele în care IA poate oferi soluții includ probleme legate de

• diagnosticele greșite și

• diagnosticele tardive prin încorporarea RMN-ului și a biomarkerilor sanguini.

Odată ce diagnosticul este stabilit, IA poate ajuta la identificarea markerilor prognostici extrem de fiabili, poate ajuta la identificarea tratamentului pentru scleroza multiplă progresivă și poate ajuta la dezvoltarea de terapii care favorizează repararea.

Prezentare generală a IA

Știința datelor a avansat rapid în ultimul secol, odată cu creșterea disponibilității tehnologiei care permite stocarea mai mare a datelor, o procesare mai rapidă și costuri mai mici. Acest lucru a dus la progrese semnificative în dezvoltarea de instrumente și metode în domeniile IA și ML. Deși nu există un consens general acceptat cu privire la definiția IA, aceasta este în general utilizată pentru a descrie tehnici care permit mașinilor să învețe din experiență, să recunoască modele și să îndeplinească sarcini care sunt de obicei asociate cu inteligența umană, cum ar fi clasificarea, inferența și predicția.

Deși nu există un consens general acceptat cu privire la definiția IA, aceasta este în general utilizată pentru a descrie tehnici care permit mașinilor să învețe din experiență, să recunoască modele și să îndeplinească sarcini asociate în mod obișnuit cu inteligența umană, cum ar fi clasificarea, inferența și predicția. În timp ce IA reprezintă un concept larg menit să simuleze funcțiile cognitive umane, ML este un subset al IA care se concentrează în mod specific pe dezvoltarea de algoritmi și modele statistice care permit îndeplinirea unor sarcini specifice prin învățarea din date și prin formularea de predicții sau decizii bazate pe acestea, realizând în esență învățarea autonomă.

ML și domeniile de sănătate

În ultimele decenii, s-a pus un accent tot mai mare pe integrarea diverselor metode de învățare automată (ML) în sistemele de sănătate.

Odată cu integrarea dosarelor electronice de sănătate, furnizorii de servicii medicale au putut

• colecta și stoca cantități vaste de date clinice,

• de laborator, imagistice,

• genetice și electrodiagnostice,

care pot fi dificil de interpretat folosind modele statistice tradiționale.

Domeniile inteligenței artificiale și ML prezintă o oportunitate unică de a profita de aceste seturi mari de date pentru a crea modele utile din punct de vedere clinic. Au existat mai multe aplicații de succes în diverse domenii medicale, inclusiv

• radiologie,

• patologie,

• cardiologie,

• gastroenterologie,

• oftalmologie, dermatologie,

• oncologie și

• neurologie.

Limite și concluziiale IA în SM

În ciuda promisiunilor mari ale soluțiilor de inteligență artificială, interpretabilitatea și transparența modelelor rămân esențiale pentru câștigarea încrederii medicilor și pacienților în aceste metode.

Viitorul inteligenței artificiale în scleroza multiplă oferă potențial pentru baze de date deschise care ar putea alimenta modelele de învățare automată și ar putea crește

• generalizabilitatea,

• implementarea soluțiilor de învățare federată pentru antrenarea modelelor care abordează problemele de partajare a datelor și

• abordări generative de inteligență artificială pentru a aborda provocările legate de interpretabilitatea și transparența modelelor.

În concluzie, inteligența artificială prezintă o oportunitate de a îmbunătăți înțelegerea și gestionarea sclerozei multiple.

Inteligența artificială promite să ajute medicii în diagnosticarea și prognosticul sclerozei multiple, îmbunătățind rezultatele pacienților și calitatea vieții, însă asigurarea interpretabilității și transparenței rezultatelor generate de inteligența artificială va fi esențială pentru facilitarea integrării inteligenței artificiale în practica clinică.

Referințe selective:

Thompson AJ, et al. Diagnosis of multiple sclerosis: 2017 revisions of the McDonald criteria. Lancet Neurol. 2018;17:162–73.

https://pubmed.ncbi.nlm.nih.gov/29275977/

Ramagopalan SV, Sadovnick AD. Epidemiology of multiple sclerosis. Neurol Clin. 2011 May;29(2):207-17. doi: 10.1016/j.ncl.2010.12.010. PMID: 21439437.

Attfield KE, Jensen LT, Kaufmann M, Friese MA, Fugger L. The immunology of multiple sclerosis. Nat Rev Immunol. 2022 Dec;22(12):734-750. doi: 10.1038/s41577-022-00718-z. Epub 2022 May 4. PMID: 35508809.

Haug CJ, Drazen JM. Artificial intelligence and machine learning in clinical medicine, 2023. N Engl J Med. 2023;388:1201–8.

Meskó B, Görög M. A short guide for medical professionals in the era of artificial intelligence. NPJ Digit Med. 2020;3:126.