Umělá inteligence v kontextu hypolipidemické léčby: Perspektivy moderní kardiovaskulární a preventivní medicíny

Umělá inteligence (AI) nachází v medicíně stále širší uplatnění. V oblasti léčby dyslipidemií a prevence kardiovaskulárních onemocnění představuje nástroj s potenciálem zásadně ovlivnit diagnostiku, predikci rizik a personalizaci farmakoterapie. 

Kardiovaskulární onemocnění (KVO) jsou nejčastější příčinou morbidity a mortality v rozvinutých zemích a dyslipidemie je jedním z hlavních modifikovatelných rizikových faktorů. Prof. MUDr. Richard Češka, CSc., z III. interní kliniky endokrinologie a metabolismu 1. LF UK a VFN v Praze přednesl přínosy a úskalí novodobého zapojení AI do lékařské praxe.

AI v predikci rizika

Standardní skórovací systémy (např. SCORE2, ASCVD Risk Estimator) vycházejí z tradičních parametrů (věk, krevní tlak, cholesterol, kouření). AI modely však umožňují integraci rozsáhlejších datasetů (genetická data, socioekonomické faktory, obrazová data, laboratorní výsledky) a využívají nelineární vztahy mezi proměnnými. Například modely deep learning z UK Biobank předpovídají riziko ischemické choroby srdeční u pacientů s hodnotou LDL cholesterolu < 3 mmol/l a polygenní rizikové skóre integrované pomocí AI umožňuje odhalení familiární hypercholesterolemie i bez fenotypové manifestace. Přestože jsou k dispozici účinná hypolipidemika (zejména statiny, ezetimib, ale i inhibitory PCSK9 a inklisiran), přetrvávají značné mezery v identifikaci rizikových pacientů, volbě vhodného léku a zajištění adherence pacienta k léčbě. V této oblasti vstupuje do klinického prostoru umělá inteligence – schopná analyzovat komplexní data. Mezi pět hlavních odvětví, ve kterých nalezne své uplatnění, patří hlavně predikce kardiovaskulárního (KV) rizika, personalizace hypolipidemické terapie, automatizovaná analýza laboratorních výsledků, vývoj nových léčiv a monitorace odpovědi na léčbu. „V souvislosti s AI se vždy narazí na personalizovanou léčbu,” podotkl prof. Češka.

Predikce a stratifikace rizika a personalizace léčby

Umělá inteligence umí analyzovat obrovské množství dat z klinických studií a databází za extrémně krátkou dobu a na základě této skutečnosti je schopna vyhodnotit KV riziko ještě o něco lépe, než to bylo možné doposud. Dle slov prof. Češky se dnes žije v době guidelines, tudíž by pacienti mohli být léčeni totožně. Opak je ale pravdou: personalizace léčby je aktuálně na pomyslném vrcholu výhod, které AI nabízí. Ať se jedná o pomoc v rozhodování při zvolení vhodné terapie na základě charakteristik pacienta, očekávané účinnosti konkrétní molekuly (rozdíl mezi statiny a inhibitory PCSK9 apod.), dále farmakogenetického profilu (polymorfismy ovlivňující statinovou intoleranci), nebo přítomnosti dalších komorbidit. Například v retrospektivní kohortě 1 013 osob starších 65 let s výchozí hodnotou LDL cholesterolu > 2,6 mmol/l byla pomocí machine learning algoritmů odpověď na atorvastatin predikována s vyšší přesností než u klasických klinických rozhodovacích algoritmů (AUC ≈ 0,85).¹

Adherence a dlouhodobé sledování v rámci telemedicíny

Nízká adherence k hypolipidemické léčbě patří mezi hlavní příčiny selhání sekundární prevence KVO. AI a digitální technologie telemedicíny, jako jsou mobilní aplikace a nositelná zařízení, pomáhají sledovat užívání medikace v reálném čase, zasílat individualizované připomínky nebo upozornění na lékové interakce. A nejvíce přínosné je identifikovat riziko non-compliance ještě před rozvojem klinických komplikací. „Velkým benefitem pro lékaře je, že nám AI pomáhá v rozhodování bez zbytečného prodlení a rutinním postupem,” poznamenal prof. Češka a dodal, že prakticky vždy je rozhodování lékaře subjektivní, na základě jeho znalostí a zkušeností. Zároveň digitalizace zdravotnictví a konzultace na dálku představují budoucnost, která již v současnosti šetří lékařům i pacientům čas a práci. „Automatizace rutinních úkolů by nám měla uvolnit časové i pracovní zdroje pro složitější případy a rozhodování, avšak obávám se, že v souvislosti s těmito možnostmi přibude i daleko větší množství administrativy,” myslí si prof. Češka. Na druhou stranu ale rozvoj telemedicíny pomůže řešit problém nedostatku kvalifikovaných odborníků, a tak i přístupu ke kvalitní léčbě i pacientům i v odlehlejších koutech republiky.

Dehumanizace péče a etická otázka mohou být problémem budoucnosti 

Není všechno zlato, co se třpytí. Navzdory slibným výsledkům zůstává v éteru několik otevřených otázek, jako je především ochrana soukromí, validita používaných modelů, bias či přesnost interpretace. Limity a etické aspekty užívání AI v souvislosti nejen s hypolipidemickou léčbou si zaslouží hlubší reflexi, protože technologie, i když slibná, není bez rizik. „Kdo ponese odpovědnost za chyby, které umělá inteligence způsobí?“ položil řečnickou otázku prof. Češka. Je potřeba stanovit etické standardy a systematické vzdělávání lékařů a pracovníků ve zdravotnictví. V dikci státních orgánů zůstává celkové nastavení a regulace nástrojů AI. Navíc jsou data pacientů používaná pro trénování AI modelů velmi citlivá, ať už se jedná o informace prenatálního genetické testování, farmakologickou anamnézu, či celkový životní styl. Vyvstává tak další důležitá otázka, zda je zneužití těchto dat pojišťovnami či zaměstnavateli reálné. Mimoto jsou algoritmy jen tak kvalitní, jak kvalitní jsou vstupní data, na kterých byly trénovány, a v případě nevyváženosti datasetů vznikají rizika biasu: mezi pohlavími (ženy mohou být podreprezentovány v kardiovaskulárních studiích), socioekonomický (modely mohou favorizovat pacienty s lepší dostupností zdravotní péče) nebo adherenční bias (pacienti, kteří pravidelně užívají léčbu, budou mít výsledek často odlišný z jiných hledisek). Zaujatost povede k znevýhodnění určitých skupin pacientů nebo ke zpožděné léčbě.

Umělá inteligence v oblasti preventivní kardiologie a především hypolipidemické léčby nabízí významné výhody, ale musí být využívána obezřetně, s důrazem na transparentnost, respekt k autonomii pacienta, klinickou souvislost a na pevný právní rámec, jelikož etické aspekty jsou nezbytnou podmínkou pro bezpečné zavedení AI do klinické praxe. Přílišné spoléhání na umělou inteligenci povede k odosobnění medicíny a k ignorování klinického kontextu samotného pacienta. Technologie mají lékařské konání pouze doplňovat, nikoli je nahrazovat – koneckonců, diagnostický verdikt a právní odpovědnost vždy zůstanou na bedrech lékaře.

Reference:

• https://pubmed.ncbi.nlm.nih.gov/36862920/