- Jakie jest główne narzędzie tradycyjnie używane do oceny ryzyka sercowo-naczyniowego?
- Kto przeprowadził badania nad nowymi modelami ryzyka sercowo-naczyniowego?
- Jaki test okazał się najskuteczniejszy w poprawie wykrywania chorób sercowo-naczyniowych według nowych badań?
- Co stwierdzili naukowcy na temat kryteriów diagnozowania chorób serca u kobiet w porównaniu do mężczyzn?
- Jakie nowe technologie są wykorzystywane do lepszego przewidywania ryzyka chorób sercowo-naczyniowych?
Framingham Risk Score a nowe modele ryzyka
Framingham Risk Score to system oceny ryzyka opracowany na podstawie wieku, płci, poziomu cholesterolu i ciśnienia krwi, służący do szacowania prawdopodobieństwa rozwoju choroby sercowo-naczyniowej w ciągu najbliższych 10 lat. Jednakże, jak stwierdzili badacze, nie uwzględnia on w pełni specyfiki kobiet, co prowadzi do ich niedoszacowania. Skyler St. Pierre z Laboratorium Żywych Materii na Uniwersytecie Stanforda zwrócił uwagę, że kryteria neutralne płciowo nie diagnozują odpowiednio kobiet. Użycie kryteriów specyficznych dla płci znacznie zmniejszyłoby ten problem.
"Stwierdziliśmy, że kryteria neutralne płciowo nie diagnozują odpowiednio kobiet. Gdyby użyto kryteriów specyficznych dla płci, to niedodiagnozowanie byłoby mniej poważne." - Skyler St. Pierre, Uniwersytet Stanforda
Niediagnozowanie chorób serca u kobiet
Anatomiczne różnice między sercami kobiet a mężczyzn, takie jak mniejszy rozmiar i cieńsze ściany serca u kobiet, sprawiają, że diagnostyka musi być inaczej podejmowana. Badania wykazały, że kobiety są niedodiagnozowane dla takich zaburzeń jak blok przedsionkowo-komorowy pierwszego stopnia oraz kardiomiopatia rozstrzeniowa, odpowiednio dwukrotnie i 1,4 raza częściej niż mężczyźni.
"Kobiety są niedodiagnozowane dla pierwszego stopnia bloku przedsionkowo-komorowego (AV) i kardiomiopatii rozstrzeniowej, odpowiednio dwukrotnie i 1,4 raza więcej niż mężczyźni." - Skyler St. Pierre, Uniwersytet Stanforda
Wdrożenie uczenia maszynowego w diagnostyce
Dzięki wykorzystaniu dodatkowych metryk, takich jak rezonans magnetyczny serca, analiza fali tętna, EKG oraz ultrasonografia tętnic szyjnych, naukowcy mogli znacznie usprawnić wykrywanie chorób sercowo-naczyniowych. St. Pierre zaznacza, że machine learning umożliwia przeanalizowanie tysięcy potencjalnych czynników w celu identyfikacji nowych, znaczących cech mogących poprawić wczesne wykrywanie chorób. EKG okazało się najskuteczniejsze w poprawie wykrywania chorób sercowo-naczyniowych zarówno u mężczyzn, jak i kobiet.
"Obecnie, dzięki uczeniu maszynowemu, możemy przeszukiwać tysiące innych możliwych czynników, aby znaleźć nowe, znaczące cechy, które mogłyby znacząco poprawić wczesne wykrywanie chorób." - Skyler St. Pierre, Uniwersytet Stanforda
Badanie to stanowi pierwszy krok ku przemyśleniu czynników ryzyka chorób serca. Wykorzystanie nowych technologii otwiera obiecujące perspektywy dla poprawy prognozowania ryzyka. Mimo pewnych ograniczeń, takich jak uproszczone traktowanie płci w Biobanku Wielkiej Brytanii, badania te mogą przyczynić się do lepszego dostosowania medycyny do indywidualnych potrzeb pacjentów, co podkreślił St. Pierre, zwracając uwagę na potrzebę medycyny dostosowanej do pacjenta, nie tylko do płci.
Źródło: Medicalxpress
