Η αρτηριακή υπέρταση χαρακτηρίζεται εδώ και δεκαετίες ως ο «σιωπηλός δολοφόνος». Παρότι αποτελεί τον σημαντικότερο τροποποιήσιμο παράγοντα κινδύνου για καρδιαγγειακά νοσήματα και ευθύνεται για εκατομμύρια θανάτους κάθε χρόνο παγκοσμίως, η πραγματική της επίδραση στον ανθρώπινο οργανισμό εξελίσσεται αθόρυβα. Πολύ πριν εμφανιστούν τα πρώτα συμπτώματα, προκαλεί σταδιακές αλλοιώσεις στην καρδιά, στον εγκέφαλο, στους νεφρούς, στα αιμοφόρα αγγεία και σε άλλα ζωτικά όργανα, οι οποίες συχνά παραμένουν αδιάγνωστες μέχρι να εμφανιστούν σοβαρές επιπλοκές. Μία νέα διεθνής επιστημονική μελέτη έρχεται να αλλάξει ριζικά τον τρόπο με τον οποίο γίνεται κατανοητή και αξιολογείται η υπέρταση, ανοίγοντας νέους δρόμους για την εξατομικευμένη πρόληψη των καρδιαγγειακών νοσημάτων.

Στο πλαίσιο της μελέτης, ερευνητές από το ΑΠΘ, το University of Oxford, το Khalifa University και ακόμη δώδεκα κορυφαία πανεπιστήμια και ερευνητικά ιδρύματα ανέπτυξαν ένα νέο πλαίσιο της λεγόμενης Τεχνητής Νοημοσύνης (ΤΝ), το οποίο μπορεί να αναγνωρίζει, να ποσοτικοποιεί και να χαρτογραφεί τη συνολική πολυοργανική βλάβη που προκαλεί η αρτηριακή υπέρταση. Η μελέτη, που δημοσιεύθηκε στο Circulation, δείχνει ότι δύο ασθενείς με την ίδια αρτηριακή πίεση μπορεί να έχουν εντελώς διαφορετικό βαθμό βλάβης στα όργανα και, συνεπώς, διαφορετικό κίνδυνο εμφάνισης επιπλοκών.

Μέχρι σήμερα, οι θεραπευτικές αποφάσεις βασίζονται κυρίως στην αξιολόγηση της υπέρτασης με βάση τις τιμές της αρτηριακής πίεσης. Η νέα μελέτη μεταφέρει την αξιολόγηση της υπέρτασης από την απλή μέτρηση της πίεσης στην εκτίμηση της πραγματικής βιολογικής επίδρασης της νόσου στον οργανισμό. Το νέο σύστημα υπολογίζει έναν συνολικό δείκτη πολυοργανικής βλάβης, τον HyperScore, ο οποίος αποτυπώνει το επίπεδο της συνολικής οργανικής επιβάρυνσης κάθε ασθενούς. Παράλληλα, εισάγει την έννοια των HyperTrajectories, έξι διαφορετικών διαδρομών εξέλιξης της υπέρτασης, αποδεικνύοντας ότι η νόσος δεν εξελίσσεται με τον ίδιο τρόπο σε όλους τους ανθρώπους. Αντίθετα, αναγνωρίζονται διαφορετικοί φαινότυποι με κυρίαρχες επιπτώσεις στην καρδιά, στον εγκέφαλο, στα αγγεία, στους νεφρούς ή στον μεταβολισμό, γεγονός που δημιουργεί τις προϋποθέσεις για περισσότερο στοχευμένες και εξατομικευμένες θεραπευτικές παρεμβάσεις.

Για την ανάπτυξη του μοντέλου, οι ερευνητές ανέλυσαν 566 πολυτροπικούς βιοϊατρικούς δείκτες από 27.099 συμμετέχοντες της UK Biobank, αξιοποιώντας δεδομένα από μαγνητικές τομογραφίες καρδιάς και εγκεφάλου, υπερηχογραφήματα αγγείων, ηλεκτροκαρδιογραφήματα, εξετάσεις αίματος, μετρήσεις σύστασης σώματος, αναπνευστικές δοκιμασίες και άλλα κλινικά στοιχεία. Στη συνέχεια, το σύστημα επικυρώθηκε σε ανεξάρτητο πληθυσμό 5.507 ατόμων της αμερικανικής μελέτης ARIC, επιβεβαιώνοντας την αξιοπιστία των αποτελεσμάτων.

Οι συγγραφείς της μελέτης επισημαίνουν ότι αυτό το εργαλείο της λεγόμενης Τεχνητής Νοημοσύνης (AI), το οποίο εξετάζει διασταυρωμένα πολλαπλά όργανα, θα μπορούσε να αποτελέσει τη βάση για μελλοντική αξιόπιστη εξατομικευμένη αξιολόγηση της υπέρτασης και προσωποποιημένη κλινική διαχείριση των ασθενών, αξιοποιώντας τις γνώσεις που παρέχει η τεχνητή νοημοσύνη στην καθημερινή ιατρική πρακτική.

«Η εργασία αυτή αποτυπώνει τη μετάβαση της Τεχνητής Νοημοσύνης από την απλή ανάλυση δεδομένων στην παραγωγή νέας βιοϊατρικής γνώσης. Η υπέρταση δεν αποτελεί μία ενιαία νόσο, αλλά εξελίσσεται διαφορετικά από άνθρωπο σε άνθρωπο, επηρεάζοντας διαφορετικά όργανα και βιολογικά συστήματα. Με τη βοήθεια προηγμένων αλγορίθμων μπορέσαμε να αποκαλύψουμε αυτές τις μέχρι σήμερα αόρατες διαδρομές εξέλιξης της νόσου, δημιουργώντας τις προϋποθέσεις για πιο έγκαιρη διάγνωση, καλύτερη πρόγνωση και πραγματικά εξατομικευμένη θεραπεία. Η συμμετοχή της ομάδας μας σε αυτή τη διεθνή συνεργασία επιβεβαιώνει ότι η έρευνα που αναπτύσσεται στο Αριστοτέλειο Πανεπιστήμιο συνδιαμορφώνει τις διεθνείς εξελίξεις στη Βιοϊατρική Μηχανική, την Ιατρική Ακριβείας και την αξιόπιστη Τεχνητή Νοημοσύνη», αναφέρει ο καθηγητής Λεόντιος Χατζηλεοντιάδης, ο οποίος συμμετείχε στη μελέτη εκπροσωπώντας τόσο το ΑΠΘ όσο και το Healthcare Engineering Innovation Group του Khalifa University.

Το ΑΠΘ συμμετείχε στη διεθνή ερευνητική ομάδα μέσω της Μονάδας Επεξεργασίας Σήματος και Βιοϊατρικής Τεχνολογίας (Signal Processing & Biomedical Technology Unit – SPBTU) του Εργαστηρίου Τηλεπικοινωνιών του Τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών.Η διεθνής αυτή συνεργασία εκτός από επιστήμονες του ΑΠΘ συγκέντρωσε ερευνητές και επιστόημονες από το University of Oxford, το Khalifa University, το McGill University, το King’s College London, το London School of Hygiene & Tropical Medicine, το St George’s, University of London, το University of Bristol, το Brighton and Sussex Medical School, τα University of Brighton και University of Sussex, καθώς και το University of Cape Town και το South African Medical Research Council.

^{Με πληροφορίες ΑΠΕ-ΜΠΕ / photo: pixabay}