Et innovativt AI-værktøj kan afsløre, hvordan livsstilsvalg som alkohol, rygning, dårlig kost og inaktivitet kan ælde ens hjerte for tidligt.
Denne AI var udviklet af et team ledet af af professor Declan O'Regan fra Medical Research Council's London Institute of Medical Sciences.
BBC's videnskabskorrespondent Pallab Ghosh er nysgerrig på sin egen hjertesundhed, meldte sig frivilligt til at opleve denne banebrydende AI-vurdering.
Holdets leder, professor O'Regan, forklarede betydningen af værktøjet: "Når vi ser på en persons ansigt, er vi gode til at bedømme, om de ser unge eller gamle ud i forhold til deres alder - vores organer har det på samme måde."
Han fortsatte: "Nogle mennesker har hjerter, der er meget yngre - og andre har hjerter, der er ældet for tidligt, og de er mere udsatte for sygdomme. Så vi vil gerne finde ud af, hvad de faktorer er."
Der findes flere metoder til at analysere hjertets sundhed, f.eks. scanninger, EKG'er og blodtryksmålinger, men de har alle deres begrænsninger og undersøger generelt kun mere alvorlige problemer og abnormiteter. Selv mindre problemer går ofte ubemærket hen for kardiologer.
Som professor O'Regan påpegede, afslører denne AI de "slag og skrammer, der er akkumuleret gennem et helt liv på grund af druk, rygning, dårlig kost og mangel på motion."
Efter at have gennemgået en MR-scanning efter træning og udført forskellige handlinger, analyserede AI-systemet Ghoshs scanning. Dette blev sammenlignet med data fra 5.000 personer, som levede et sundt liv.
Ghoshs resultater var noget opmuntrende. Den kunstige intelligens bestemte hans hjertealder til 63 år, hvilket er lidt ældre end hans faktiske alder på 61 år.
I en samtale med professor O'Regan spurgte Ghosh, om de seneste positive livsstilsændringer kunne have hjulpet med at afbøde virkningerne af hans tidligere kostvaner. "Vi ved ikke, om for tidlig ældning af hjertet skyldes dine gener, og om du er født til at have et ældre hjerte, eller om det i højere grad skyldes din livsstil," svarede O'Regan.
Han uddybede: "Vi ved heller ikke, om aldringshastigheden kan ændres eller måske kan vendes, så folk kan komme tilbage til et yngre hjerte, hvis de får den rette behandling."
Den første forskning peger på gener, der er forbundet med muskelelasticitet, som indflydelsesrige faktorer i hjertets aldring.
På samme måde menes visse gener relateret til immunsystemet, som utilsigtet kan forårsage inflammation, hvis de er for aktive, også at spille en rolle. Gener, der er vigtige for at transportere elektriske signaler gennem hjertet og sikre et stabilt hjerteslag, er ved at blive undersøgt.
Udstyret med en dybere forståelse af genetiske påvirkninger af hjertets aldring har professor O'Regan og hans team til hensigt at udvikle nye målrettede behandlinger, som han beskriver: "Genetikken kan hjælpe os med at bremse eller vende aldringen - og disse scanninger kan også hjælpe med at evaluere nye behandlinger for at se, hvilken indvirkning de har på skaderne."
Sådan fungerer systemet
Professor O'Regan og hans team har udviklet AI-diagnosesystemer til kardiologi i flere år.
Her er kulminationen på deres arbejde:
Billedanalyse af hjertet
O'Regans team er ved at revolutionere den måde, vi ser på hjertet ved hjælp af maskinlæring (ML), især gennem dyb læring.
De udvikler nye teknikker til at analysere hjerte-MRI-datasæt for at forstå hjertets komplekse egenskaber, såsom dets funktion, geometri og vævskarakteristika.
Det gør det muligt at segmentere hjertets bevægelser og analysere dem uafhængigt af hinanden.
Forudsigelse af uønskede hændelser
Teamet er også banebrydende inden for brugen af kunstig intelligens til at forudsige uønskede hændelser i forbindelse med hjertesygdomme.
Ved at bruge deep learning-algoritmer, der integrerer komplekse data, herunder bevægelsesfænotyper, genetik og kliniske variabler, opbygger de en mere nuanceret forståelse af hjertesvigt.
Målet er at skabe kunstige ræsonnerende systemer til at analysere og fortolke hjertescanninger.
Sammenkædning af gener og hjertesygdomme
Gruppen undersøger, hvorfor hjertesygdomme manifesterer sig forskelligt på tværs af individer ved at udforske forbindelsen mellem genetik og hjerte.
De forsøger at definere klasser af kardiomyopati og afdække den rolle, som genetiske varianter spiller i forhold til at disponere for visse hjertesygdomme.
Identificering af molekylære veje
Ved at udnytte maskinlæring udfører teamet forskning i stor skala for at finde gener, der kan målrettes med nye lægemidler for at mindske risikoen for hjertesygdomme.
Prof. O'Regan og hans team har udviklet forskellige software og værktøjer, der er tilgængelige via UK Digital Heart Project GitHubog giver andre forskere mulighed for at udnytte deres metoder.
