دانشمندان توانستند با استفاده از تکنیکی جدید مبتنی بر هوش مصنوعی، خطر فیبریلاسیون دهلیزی قلب را پیش‌بینی کنند

به گزارش پایگاه خبری مکاترونیک نیوز، پیش‌بینی خطر فیبریلاسیون دهلیزی با استفاده از روش های هوش مصنوعی میسر شد. فیبریلاسیون دهلیزی، بی‌نظمی ضربان قلب است و اغلب با افزاریش تعداد ضربان قلب در دقیقه همراه است. این اتفاق به طور مکرر در قلب اتفاق می‏افتد، اما گاهی اوقات می‏تواند منجر به ایجاد لخته در قلب شود، سپس لخته سمت مغز سفر کند، که این امر منجر به سکته مغزی می‌شود.

همان‌طور که در مطالعه منتشر شده در انتشارات Circulation نشان‌داده شده است، تیمی به رهبری دانشمندان بیمارستان عمومی ماساچوست از “بنیاد برود ام آی تی” و هاروراد موفق به فرموله‌سازی تکنیکی مبتنی بر هوش مصنوعی برای تشخیص بیماران با ریسک ابتلا به فیبریلاسیون دهلیزی شده اند. در نتیجه این تحقیقات، بیماران می‌تواننداز اقدامات پیشگیرانه سود ببرند.
این تیم تکنیک مبتنی بر هوش مصنوعی را برای پیش بینی خطر فیبریلاسیون دهلیزی در بدن در طول پنج سال آینده بر اساس نتایج حاصل از الکتروکاردیوگرام (آزمایشی غیر تهاجمی که سیگنال‌های الکتریکی قلب را ثبت می‌کنند) در 45770 بیمار تحت مراقبت‌های اولیه در بیمارستان عمومی ماساچوست فرموله کرده اند.
در مرحله بعد، محققان تکنیک خود را در سه پایگاه داده بزرگ از مطالعات اعمال کردند که در مجموع 83162 نفر را شامل می‌شود. تکنیک مبتنی بر هوش مصنوعی ریسک ابتلا به فیبریلاسیون دهلیزی رابه خودی خود تخمین زد و زمانی که با عوامل خطر بالینی ثبت شده ادغام شد، منجر به هم‌افزایی شد.
تخمین فیبریلاسیون دهلیزی این تکنیک، همچنین به طور استثنایی در زیرمجموعه‌های افرادی که قبلاً سکته مغزی یا نارسایی قلبی داشته اند، پیش‌بینی کننده بود.

استیون آ. لوبیتز، دکتر ، دکترا، نویسنده ارشد و متخصص الکتروفیزیولوژی قلب بیمارستان عمومی ماساچوست در این باره اظهار داشت:

ما تاثیر و نقش الگوریتم‌های هوش مصنوعی مبتنی بر الکتروکاردیوگرام را به منظور کمک به شناسایی افرادی که در معرض بیشترین خطر فیبریلاسیون دهلیزی قرار دارند، مشاهده می‌کنیم.
یکی از نویسندگان همکار و محققان بالینی و پژوهشی الکتروفیزیولوژی MGH ، جناب آقای شان کرشید می‌گوید: «به‌کارگیری چنین الگوریتم‌هایی می‌تواند پزشکان را ترغیب کند تا عوامل خطر مهم فیبریلاسیون دهلیزی را اصلاح کنند که ممکن است خطر ابتلا به بیماری را به طور کامل کاهش دهد.

لوبیتز توضیح می‌دهد که این الگوریتم می‌تواند به عنوان یک ابزار پیش غربالگری برای بیمارانی عمل کند که ممکن است در حال حاضر تحت فیبریلاسیون دهلیزی قرار گرفته باشد، این امر پزشکان را ترغیب می‌کند تا به جای اینکه به دنبال آن باشند که فیبریلاسیون دهلیزی با استفاده از مانیتورهای طولانی مدت ریتم قلب انجام دهند، از استراتژی‌های پیشگیرانه استفاده کنند.
یافته‌های این مطالعه همچنین قدرت بالقوه هوش مصنوعی را، که در این مورد شامل نوع خاصی از الگوریتم به نام یادگیری ماشین است، برای پیشرفت پزشکی نشان می‌دهد.

آنتونی فیلیپاکیس، دکتر، دکترا، نویسنده مشترک مطالعه و مدیر ارشد داده، بنیاد برود در این باره، گفته است:

با انفجار فن آوری های علم داده، و میزان گسترده‌ای از داده‌های بالینی که در حال حاضر در دسترس است، تکنیک‌های یادگیری ماشین آماده کمک به پزشکان است، تا محققان گام های بزرگی در جهت افزایش مراقبت های قلب و عروق بردارند. به‌عنوان یک متخصص داده‌ و متخصص قلب، هیجان‌زده هستم که ببینم روش‌های مبتنی بر یادگیری ماشین چگونه می‌توانند با آزمایش‌ها و رویکردهای بالینی که ما هر روز برای بهبود پیش‌بینی خطر و مراقبت از بیماران مبتلا به فیبریلاسیون دهلیزی استفاده می‌کنیم، تاثیر خواهد گذاشت.

منبع خبر: https://www.azorobotics.com

آدرس مقاله:

Khurshid, S., et al. (2021) Electrocardiogram-based Deep Learning and Clinical Risk Factors to Predict Atrial Fibrillation. Circulation. doi.org/ 10.1161/CIRCULATIONAHA.121.057480.

نام خبرنگار : مونا بنهری