AI och precisionsmedicin kan hitta risk för hjärt-kärlsjukdom
Hjärt-kärlsjukdom är en av de vanligaste dödsorsakerna i Sverige och i världen. Nu har forskare vid bland annat Karolinska Institutet funnit att artificiell intelligens verkar kunna spela en roll i att identifiera risk för hjärt-kärlsjukdom. Studien, som publicerats i Cardiovascular Research, kan i framtiden leda till mer exakta diagnosmetoder.
Hjärt-kärlsjukdomar kan ha en mängd olika orsaker men åderförkalkning, ateroskleros, är en av de vanligare. Vid åderförkalkning har det under lång tid lagrats fett, bindväv och blodkroppar på insidan av blodkärlen och när det blir för trångt får blodet svårare att passera. Utgången blir ofta akut med hjärtinfarkt eller stroke.
Förebygga hjärt-kärlsjukdom
En nyligen publicerad forskningsstudie, som har genomförts vid Karolinska Institutet i samarbete med Uppsala universitet och flera europeiska universitet, har undersökt hur artificiell intelligens (AI) kan hjälpa till att identifiera den individuella risken för åderförkalkning och därmed ge möjlighet att ingripa innan hjärt-kärlsjukdom utvecklas.
– Ateroskleros är en tyst mördare och våra resultat banar väg för precisionsmedicin i förebyggandet av hjärt-kärlsjukdomar relaterade till åderförkalkning, säger forskningsrapportens sisteförfattare Bruna Gigante, sisteförfattare och lektor vid institutionen för medicin, Karolinska Institutet i Solna.
Forskargruppen har använt klinisk och molekylär data tillsammans med ultraljudsmätningar av halspulsådern från deltagare i en stor europeisk studie.
Fyra riskgrupper
En oövervakad metod för maskininlärning har integrerat all data och utifrån materialet har forskarna definierat fyra så kallade endotyper för att hitta individer med låg, medelhög eller hög risk för hjärtinfarkt och stroke. Resultaten har validerats i en svensk kardiovaskulär studie, med hjälp av vanliga epidemiologiska och statistiska metoder.
– Vi testade om endotyperna vi hade genererat med maskininlärning kunde förutsäga risken för utveckling av åderförkalkning i halspulsådern och resultaten visar att de i viss utsträckning kan det, säger försteförfattaren Qiaosen Chen, doktorand vid institutionen för medicin, Karolinska Institutet i Solna.
Forskarna planerar nu att undersöka generna och mekanismerna bakom de olika endotyperna av åderförkalkning och relaterade sjukdomar i hjärta och hjärna. De är också intresserade av att undersöka hur resultaten från den nuvarande studien kan översättas till att förutsäga utvecklingen av åderförkalkning i andra kärlbäddar.
Forskningen finansierades i huvudsak av Hjärt-Lungfonden, ALF samt Stiftelsen Professor Nanna Svartz fond (se studien för mer information). Det finns inga rapporterade intressekonflikter.
Publikation
“A machine learning based approach to identify carotid subclinical atherosclerosis endotypes”. Qiao Sen Chen, Otto Bergman, Louise Ziegler, Damiano Baldassarre, Fabrizio Veglia, Elena Tremoli, Rona J Strawbridge, Antonio Gallo, Matteo Pirro, Andries J. Smit, Sudhir Kurl, Kai Savonen, Lars Lind, Per Eriksson, Bruna Gigante inom ramen för forskningsstudien IMPROVE. Cardiovascular Research, online 21 juli 2023, doi: 10.1093/cvr/cvad106.