Telesna masa deluje kao podatak koji se najjednostavnije dobija vaganjem, ali u bolničkim uslovima vaga nije uvek dostupna ili pouzdana. Pacijent može biti nepokretan, bez svesti, priključen na opremu ili nesposoban da stoji. Novo istraživanje ispituje da li veštačka inteligencija može da proceni težinu analizom CT snimaka donjeg dela abdomena.
Takva procena može biti važna jer se doze pojedinih lekova, kontrastnih sredstava i drugih terapija određuju prema telesnoj masi. Netočan podatak može dovesti do premale ili prevelike doze. U hitnim situacijama osoblje se ponekad oslanja na stare podatke, procenu rodbine ili vizuelnu procenu, koje mogu značajno odstupati od stvarnosti.
U studiji objavljenoj u časopisu Scientific Reports korišćene su metode dubokog učenja za povezivanje osobina vidljivih na CT snimku sa poznatom telesnom masom pacijenta. Model ne „vidi” osobu na isti način kao čovek, već analizira veliki broj obrazaca u rasporedu potkožnog i visceralnog masnog tkiva, mišića, kostiju i ukupnih dimenzija tela.
Donji deo stomaka sadrži informacije koje su povezane sa građom tela, ali jedan snimak ne prikazuje celu osobu. Dve osobe mogu imati sličan obim abdomena, a različitu visinu, mišićnu masu i ukupnu težinu. Zato rezultat predstavlja procenu, a ne zamenu za direktno merenje kad god je ono moguće.
Prednost je u tome što CT snimak često već postoji. Ako je pacijent snimljen iz medicinskog razloga, softver može automatski izvući dodatni podatak bez novog pregleda i dodatnog zračenja. Takvo korišćenje postojećih snimaka deo je šireg trenda „oportunističkog” snimanja, u kojem se iz jednog pregleda dobija više klinički korisnih informacija.
Pre uvođenja u praksu model mora da bude proveren na različitim populacijama. Građa tela razlikuje se prema polu, starosti, visini, poreklu, zdravstvenom stanju i nivou fizičke aktivnosti. Algoritam obučen na ograničenoj grupi može davati lošije procene kod ljudi koji nisu dovoljno zastupljeni u podacima.
Poseban problem predstavljaju bolesti koje menjaju raspodelu tečnosti. Otoci, nakupljanje tečnosti u trbušnoj duplji ili velike tumorske mase povećavaju težinu, ali ne na način koji odgovara uobičajenoj građi tela. Model bi takve slučajeve morao da prepozna ili jasno označi kao nepouzdane.
Veštačka inteligencija ovde nema zadatak da postavlja dijagnozu, već da iz slike izvede broj. Ipak, čak i takav naizgled jednostavan zadatak zahteva kliničku procenu. Lekar mora znati kolika je očekivana greška i da li je ona prihvatljiva za konkretnu odluku.
Slične tehnike mogu iz CT snimaka procenjivati količinu mišića, raspodelu masnog tkiva, gustinu kostiju i rizik od određenih komplikacija. U budućnosti bi radiološki snimak mogao automatski da sadrži čitav niz dodatnih merenja koja danas zahtevaju poseban rad.
Najpraktičnija primena procene težine mogla bi biti upravo tamo gde je vaga najmanje dostupna – u intenzivnoj nezi, hitnim službama i kod teško pokretnih pacijenata. Algoritam ne mora biti savršen da bi bio koristan, ali mora biti dokazano pouzdaniji od alternative koju zamenjuje.
S.B.
