Η προληπτική μαστογραφία ενδέχεται στο μέλλον να υπερβεί τον παραδοσιακό της ρόλο, λειτουργώντας ως εργαλείο για την ανίχνευση όχι μόνο όγκων αλλά και καρδιαγγειακών κινδύνων. Νέα έρευνα που παρουσιάστηκε στο συνέδριο της Ευρωπαϊκής Εταιρείας Καρδιολογίας στο Μόναχο δείχνει ότι οι μαστογραφίες, με τη βοήθεια της τεχνητής νοημοσύνης, μπορούν να αποκαλύψουν ενδείξεις καρδιοπάθειας.

Η μελέτη και τα ευρήματα

Ερευνητές στο Ισραήλ επεξεργάστηκαν δεδομένα από 97.364 μαστογραφίες που αφορούσαν 29.921 γυναίκες, με μέση ηλικία τα 54 έτη. Εκπαίδευσαν ένα μοντέλο μηχανικής μάθησης να αναγνωρίζει παθήσεις χρησιμοποιώντας αποκλειστικά τις εικόνες των μαστογραφιών, διασταυρώνοντάς τες με τα ιατρικά αρχεία των ασθενών.

Η ανάλυση κατέδειξε υψηλά επίπεδα αξιοπιστίας:

  • 86% ακρίβεια στον εντοπισμό ιστορικού εγκεφαλικού επεισοδίου.
  • 79% ακρίβεια για την υπέρταση.
  • 78% ακρίβεια για τη στεφανιαία νόσο.

Η Δρ. Βιάνα Κόουπλαντ από το Πανεπιστήμιο του Τελ Αβίβ υπογράμμισε ότι η μέθοδος θα μπορούσε να εφαρμοστεί σε ευρεία κλίμακα, καθώς οι μαστογραφίες διενεργούνται ήδη τακτικά σε γυναίκες μέσης ηλικίας, προσφέροντας μια ευκαιρία έγκαιρης παρέμβασης.

Καλύπτοντας το κενό στην πρόληψη

Παρά το γεγονός ότι οι καρδιαγγειακές παθήσεις αποτελούν κύρια αιτία θανάτου παγκοσμίως, συχνά υποδιαγιγνώσκονται στις γυναίκες. Η Δρ. Σόνια Μπαμπού-Ναραγιάν από το British Heart Foundation επεσήμανε ότι η λανθασμένη αντίληψη πως οι καρδιοπάθειες αφορούν κυρίως τους άνδρες οδηγεί σε καθυστερημένη διάγνωση. Η AI θα μπορούσε να καλύψει αυτό το κενό, αξιοποιώντας πληροφορίες που ήδη υπάρχουν στις απεικονίσεις χωρίς την ανάγκη για επιπλέον εξετάσεις.

Η Έλενα Αρέμπο, μέλος της Ευρωπαϊκής Εταιρείας Καρδιολογίας, χαρακτήρισε τα ευρήματα ιδιαίτερα σημαντικά, σημειώνοντας ότι η μαστογραφία θα μπορούσε να λειτουργήσει ως «παράθυρο» στην καρδιαγγειακή υγεία. Ωστόσο, οι ερευνητές διευκρινίζουν ότι η τεχνολογία βρίσκεται ακόμη σε στάδιο ανάπτυξης. Τα επόμενα βήματα περιλαμβάνουν τη βελτίωση της ακρίβειας του μοντέλου και την επιβεβαίωση των αποτελεσμάτων σε μεγαλύτερους πληθυσμούς πριν την εφαρμογή τους στην κλινική πράξη.