پزشکی
پیش‌بینی ایست قلبی؛ 10سال زودتر با هوش مصنوعی
محققان الگوریتمی ساخته‌اند که براساس آسیب‌های قلبی بیمار می‌تواند زمان ایست قلبی احتمالی را تشخیص دهد
یک رویکرد جدید مبتنی بر هوش مصنوعی می‌تواند احتمال و زمان مرگ افراد را بر اثر ایست قلبی پیش‌بینی کند. این فناوری که از تصاویر خام قلب بیمار و سابقه پزشکی او استفاده می‌کند، به‌طور قابل‌توجهی، پیش‌بینی‌های پزشک را بهبود می‌بخشد و می‌تواند تصمیم‌گیری بالینی را متحول کند. به گزارش ساینس دیلی، آریتمی قلبی یکی از کشنده‌ترین و در عین حال پیچیده‌ترین شرایط پزشکی است که این رویکرد جدید، می‌تواند فرد را از آریتمی‌های ناگهانی و کشنده نجات داده و طول زندگی را افزایش دهد.
جلوگیری از مرگ ناگهانی
ناتالیا ترانووا، استاد مهندسی زیست پزشکی و نویسنده اصلی این تحقیق، گفت: مرگ ناگهانی قلبی ناشی از آریتمی بیش از 20درصد از کل مرگ‌ومیرها در سراسر جهان را تشکیل می‌دهد و ما در مورد علت وقوع آن یا چگونگی تشخیص اینکه چه‌کسی در معرض خطر است اطلاعات کمی داریم. در میان افراد درگیر آریتمی، برخی بیماران ممکن است در معرض خطر کم مرگ ناگهانی قلبی باشند و دفیبریلاتورهایی دریافت کنند که ممکن است به آنها نیازی نداشته باشند اما از طرفی بیماران پرخطری هستند که درمان مورد نیاز خود را دریافت نمی‌کنند و ممکن است در اوج زندگی خود بمیرند. کاری که الگوریتم جدید انجام می‌دهد این است که تعیین کند چه کسانی در معرض خطر مرگ بر اثر ایست قلبی هستند و این اتفاق چه زمانی رخ می‌دهد. این کار به پزشکان اجازه می‌دهد درباره روند درمانی دقیق بیمار بهتر تصمیم‌گیری کنند.
تیم تحقیقاتی جانز هاپکینز نخستین گروهی است که از شبکه‌های عصبی برای ارزیابی بقای هر بیمار مبتلا به بیماری قلبی استفاده می‌کند. این اقدامات فرصت پیش‌بینی خطر مرگ ناگهانی قلبی را با دقت بالا طی 10سال و زمانی که احتمال وقوع آن بیشتر است را فراهم می‌کند.
کلید پیش‌بینی‌های الگوریتم
فناوری یادگیری عمیق با عنوان مطالعه بقای خطر آریتمی قلبی یا SSCAR نامگذاری شده است. این نام اشاره به اسکار قلبی ناشی از بیماری قلبی دارد که اغلب منجر به آریتمی‌های کشنده می‌شود و کلید پیش‌بینی‌های الگوریتم است. اسکار قلب در واقع تجمع بافت فیبری است که پس از نوعی ضربه به بافت قلب ایجاد می‌شود. این تیم از تصاویر تقویت‌شده قلب با کنتراست بالا استفاده کرد تا الگوریتمی را برای تشخیص الگوها و پیوندهایی که با چشم غیرمسلح قابل مشاهده نیستند، آموزش دهند. تجزیه و تحلیل تصویر قلب بالینی که هم‌اکنون انجام می‌شود، فقط ویژگی‌های اسکار ساده مانند حجم و جرم را استخراج می‌کند و از دیگر داده‌هایی که در الگوریتم پیش‌بینی به‌عنوان فاکتورهای حیاتی یاد می‌شود، استفاده نمی‌کند.
دن پاپسکیو، یکی از اعضای تیم تحقیقات دانشگاه جانز هاپکینز درباره این رویکرد جدید گفت: تصاویر، اطلاعات بسیار حیاتی همراه خود دارند که پزشکان توانایی دسترسی به آنها را ندارند. اسکارهای قلبی می‌تواند به چندین روش توصیف شود و چیزی درباره شانس نجات بیمار به ما بگوید. در این اسکارها اطلاعات بسیار حیاتی نهفته است.
این تیم یک شبکه عصبی دوم را آموزش داد تا از 10سال داده‌های استاندارد بالینی بیماران، 22عامل مانند سن، وزن، نژاد و مصرف داروهای تجویزی بیماران را بیاموزد. پیش‌بینی الگوریتم نه‌تنها به‌طور خاص در تمام موارد از پزشکان دقیق‌تر بود بلکه در آزمایش‌هایی با یک گروه مستقل از بیماران 60مرکز بهداشتی در سراسر آمریکا، با تاریخچه‌های قلبی مختلف و داده‌های تصویربرداری متفاوت تأیید شد که نشان می‌دهد این پلتفرم می‌تواند در هر جایی مورد استفاده قرار گیرد.
