Akár életet is menthet szívbetegeknél a magyar fejlesztésű rendszer a SOTE-n
A szívelégtelenségben szenvedő betegek kockázatbecslését segíti az a mesterséges intelligencián alapuló, új rizikóbecslő rendszer, amelyet magyar orvosok és kutatók fejlesztettek ki a Semmelweis Egyetem Városmajori Szív- és Érgyógyászati Klinikáján - jelent meg a világ első számú kardiológiai folyóiratában, az Európai Szívgyógyászati Társaság lapjában. Az egyetem 250 éves jubileumának tiszteletére SEMMELWEIS-CRT score-nak nevezett rendszert bemutatása a folyóiratban
az első alkalom, hogy egy tisztán Magyarországon végzett innovációból, kizárólag magyar szerzők közreműködésével készült tanulmányt publikáltak a legrangosabb kardiológiai folyóiratban, a European Heart Journalban
Az onkológiai halálozásokhoz mérhető arányban tizedeli a szívbetegeket az a keringési zavar, amelyet a szív csökkent pumpafunkciója okoz. A szívelégtelenségben szenvedő betegek nagyjából harmadánál a szív kamráin belüli, ingerületvezetési zavar, vezetési blokk jelenik meg, mely tovább rontja a szív pumpafunkcióját.
A probléma kezelését Magyarországon Dr. Merkely Béla honosította meg a Városmajori Szív- és Érgyógyászati Klinikán, kifejlesztettek ugyanis egy speciális, három szívüreget ingerlő pacemakert, az ún. cardiális reszinkronizációs terápia (CRT). A módszer hatékonyan enyhíti a szívelégtelenség tüneteit, javít a betegek életminőségén és túlélési esélyein is.
A beavatkozás után azonban szükség van személyre szabott rizikóbecslésre, amely abban segít, hogy tudják, melyik beteg állapota követeli meg a szorosabb utánkövetést.
Erre kínál megoldást a dr. Melkey Béla vezetésével egy kutatócsoport által kifejlesztett döntéstámogató rendszert, amely azonosítja a magas halálozási kockázattal rendelkező betegeket.
A SEMMELWEIS-CRT score-ra keresztelt rizikóbecslő eszközt az elmúlt 20 év során speciális eszközös terápián átesett betegek adatai alapján fejlesztették ki. Az 1600 beteg adatait a gépi tanulás (machine learning, a mesterséges intelligencia egyik ága) segítségével értelmezi a rendszer, amely aztán ennek segítségével próbál minél pontosabb előrejelzést adni a beteg állapotát illetően.