Co napisał Gemini
Sztuczna inteligencja nie potrafi dzisiaj ze 100% pewnością przewidzieć, że u konkretnej osoby danego dnia za 5 lat wystąpi zawał serca. Potrafi jednak zrobić coś bardzo zbliżonego – wykryć ukryte, bardzo wczesne sygnały ostrzegawcze i oszacować wysokie ryzyko wystąpienia zawału w wieloletniej perspektywie, zanim pojawią się jakiekolwiek objawy czy tradycyjne wskaźniki kliniczne.
Oto jak AI zmienia prognozowanie zdarzeń sercowo-naczyniowych i nad jakimi metodami pracują obecnie naukowcy:
1. Ukryte wzorce w rutynowym EKG
Tradycyjnie badanie EKG służy do oceny bieżącej pracy serca lub rozpoznania trwającego właśnie zawału.
Jak działa AI: Głębokie sieci neuronowe analizują subtelne zaburzenia w mikrostrukturze fal EKG, które są całkowicie niezauważalne dla ludzkiego oka.
Co potrafi: Algorytmy wykazują zdolność do identyfikacji niewidocznych zmian w strukturze mięśnia sercowego (np. bezobjawowej dysfunkcji lewej komory czy utajonych zaburzeń rytmu), wskazując pacjentów o bardzo wysokim ryzyku zawału lub niewydolności serca w perspektywie kolejnych 3–5 lat.
2. Zaawansowana analiza tomografii komputerowej (CCTA)
Angiografia tomografii komputerowej tętnic wieńcowych pozwala zobaczyć naczynia krwionośne, ale AI idzie znacznie dalej niż tylko ocena stopnia zwężenia tętnic.
Cyfrowy stan zapalny (Fat Attenuation Index – FAI): AI potrafi mierzyć stopień stanu zapalnego w tkance tłuszczowej otaczającej tętnice wieńcowe. Zawał najczęściej nie wynika z powolnego zatykania naczynia, ale z nagłego pęknięcia tzw. niestabilnej blaszki miażdżycowej.
Prognoza ryzyka: Badania wykazują, że analiza stanu zapalnego naczynia za pomocą AI pozwala precyzyjnie wyłonić osoby zagrożone pęknięciem blaszki i zawałem na lata przed samym zdarzeniem.
3. Skanowanie dna oka (Oculomics)
Naczynia krwionośne w siatkówce oka są jedynymi naczyniami w ciele człowieka, które można obejrzeć całkowicie nieinwazyjnie.
Jak działa AI: Model uczy się zależności między wyglądem mikronaczyń w oku a stanem układu krążenia.
Co wykrywa: Ze zwykłego zdjęcia dna oka algorytmy potrafią oszacować gęstość naczyń, grubość warstw siatkówki i na tej podstawie przewidzieć ryzyko incydentów sercowo-naczyniowych w ciągu najbliższych kilku lat.
4. Modele wielowymiarowe (Multi-modal AI)
Najbardziej obiecujący nurt badań łączy dane z wielu różnych źródeł:
- Rutynowych wyników badań krwi (m.in. poziom lipidów, wskaźniki stanu zapalnego jak hs-CRP),
- Historii medycznej i danych genetycznych,
- Danych z urządzeń noszonych (wearables, np. Apple Watch, Oura Ring) monitorujących tętno i sen.
Zamiast tradycyjnych kalkulatorów ryzyka (które biorą pod uwagę tylko kilka parametrów, jak wiek, ciśnienie i cholesterol), AI analizuje tysiące zmiennych, tworząc tzw. cyfrowego bliźniaka pacjenta i wyliczając indywidualny profil ryzyka na lata do przodu.
Gdzie leży granica możliwości?
| Co AI potrafi wyliczyć | Czego AI nie jest w stanie przewidzieć |
|---|---|
| Precyzyjnie wskazać osobę z grupy wysokiego ryzyka | Dokładnej daty i godziny wystąpienia zawału |
| Wykryć bezobjawowy stan zapalny i niestabilne blaszki miażdżycowe | Losowych czynników zewnętrznych (np. nagłego, skrajnego stresu czy infekcji) |
| Zasugerować wczesną profilaktykę (np. zmianę diety, wdrożenie statyn) | Zachowań pacjenta i przestrzegania zaleceń lekarskich |
Podsumowując: AI nie działa jak jasnowidz podający dokładną datę, ale pozwala przesunąć granicę medycyny z reaktywnej (leczenie zawału, gdy już nastąpi) na predykcyjną (wykrycie zagrożenia 5 lat wcześniej i wdrożenie działań, które do tego zawału w ogóle nie dopuszczą).
Co na to Grok
Czy AI może „zdiagnozować zawał za 5 lat”?
Weryfikacja twierdzeń (czy to jest prawda?) · Data: 2026-08-07
KRÓTKA ODPOWIEDŹ
Gemini ma tu wyjątkowo dobry start — od razu mówi, że nie ma 100% pewności i nie ma magicznej daty. To jest właściwa rama: ryzyko i wczesne biomarkery, nie jasnowidztwo.
Moja ocena: kierunek badań jest realny, przykłady (AI-EKG, FAI/CCTA, oculomics, multi-modal) są w literaturze. Trzeba tylko ostrożnie z hasłami „precyzyjnie”, „całkowicie niezauważalne” i „cyfrowy bliźniak na lata” — bo w klinice wciąż rządzi walidacja, bias populacji i decyzja lekarza.
WERDYKT PUNKT PO PUNKCIE
- Nie przewidzi daty zawału za 5 lat ze 100% pewnością
Prawda? TAK
Zawał to zdarzenie stochastyczne + zachowanie + pech. Model daje prawdopodobieństwo / stratyfikację ryzyka, nie kalendarz. - AI-EKG: ukryte wzorce, ryzyko 3–5 lat
Prawda? TAK jako nurt badań i częściowe wdrożenia
Mayo Clinic i inni pokazali, że deep learning na EKG wykrywa m.in. dysfunkcję lewej komory, amyloid, AF risk — wcześniej niż klasyczna interpretacja. „Zawał za X lat z rutynowego EKG” bywa w publikacjach jako predykcja ryzyka, nie jako gotowy standard u lekarza rodzinnego w każdej przychodni. - CCTA + Fat Attenuation Index (FAI)
Prawda? TAK jako realna technologia badawczo-kliniczna
Analiza okołonaczyniowej tkanki tłuszczowej i „cyfrowego zapalenia” jest publikowana i komercjalizowana (narzędzia wspomagające). Pomaga w ryzyku niestabilnej blaszki — ale wymaga CT, protokołu, interpretacji i nie zastępuje całości opieki. - Oculomics — dno oka → ryzyko sercowe
Prawda? TAK jako obiecujące badania
Siatkówka koreluje ze zdrowiem naczyniowym; modele AI z fundus photography przewidują czynniki ryzyka i czasem incydenty. To nie jest jeszcze uniwersalny „test na zawał za 5 lat” w każdym gabinecie okulistycznym. - Multi-modal AI + cyfrowy bliźniak + wearables
Prawda? CZĘŚCIOWO / wizja + badania
Łączenie EHR, labów, genetyki i wearable ma sens i rośnie. „Tysiące zmiennych” i „cyfrowy bliźniak na lata” brzmią lepiej w prezentacji niż w szpitalnym IT (braki danych, drift, prywatność, koszty). Wearables (zegarek, pierścień) pomagają w rytmie / aktywności — nie są równoznaczne z angiografią ryzyka blaszki. - Tabela: ryzyko TAK, data/godzina NIE; profilaktyka TAK, compliance NIE
Prawda? TAK — to najuczciwsza część tekstu
Dokładnie tak należy o tym mówić pacjentom. - Medycyna predykcyjna zamiast tylko reaktywnej
Prawda? TAK jako cel
Wczesna stratyfikacja + statyny, styl życia, nadzór — to realna wartość. Warunek: modele zwalidowane, bez fałszywego alarmu na masę i z ludzką decyzją kliniczną.
CO W TEKŚCIE JEST NAJBARDZIEJ TRAFNE
- Od razu odrzucona magiczna pewność i magiczna data — brawo.
- Konkretne ścieżki: AI-EKG, CCTA/FAI, oculomics, multi-modal — zgodne z realnym R&D.
- Tabela ograniczeń (data, pech, compliance) — lepsza niż 90% nagłówków o „AI przewidzi zawał”.
CO BRZMI JAK HYPE / OSTROŻNIE
- „Całkowicie niezauważalne dla ludzkiego oka” — często tak, ale nie zawsze i nie w każdej metryce.
- „Precyzyjnie wyłonić osoby zagrożone na lata” — precyzja zależy od populacji, progu i kalibracji; bywają fałszywe alarmy.
- „Cyfrowy bliźniak pacjenta z tysiącami zmiennych” — kierunek tak, powszechna kliniczna codzienność — jeszcze nie.
- Tytułowe „zdiagnozować zawał … za 5 lat” jest mylące: to nie diagnoza przyszłego zawału, tylko ocena ryzyka / wczesnych markerów.
PODSUMOWANIE W JEDNYM ZDANIU
Gemini dobrze oddziela jasnowidza od stratyfikacji ryzyka: AI nie poda daty zawału, ale realnie pomaga łapać wczesne sygnały (EKG, CT, oko, dane wieloźródłowe) — pod warunkiem, że pamiętamy o walidacji, fałszywych alarmach i roli lekarza.
ŹRÓDŁA / KONTEKST (orientacyjnie)
- AI-ECG — m.in. prace Mayo Clinic i innych ośrodków (wczesna dysfunkcja LV, ryzyko arytmii / zdarzeń)
- CCTA + perivascular fat / FAI — badania nad „cyfrowym zapaleniem” i ryzykiem blaszki
- Oculomics / retinal imaging + AI — predykcja czynników ryzyka i incydentów naczyniowych
- Multi-modal risk models, wearables, tradycyjne score'y (SCORE2, ASCVD) vs ML
Uwaga: ten przegląd ma charakter popularnonaukowy i nie jest poradą medyczną. Przy objawach duszności, bólu w klatce czy omdleniach — natychmiast kontakt z lekarzem / pogotowiem.