مکاترونیک نیوز | استفاده از هوش مصنوعی برای پیش‌بینی آریتمی‌های منجر به فوت دقیق‌تر از پیش بینی پزشکان است!!!

به گزارش مکاترونیک نیوز، روشی جدید مبتنی بر هوش مصنوعی (AI) می‌تواند پیش‌بینی کند که آیا و چه زمانی یک آریتمی قلبی می تواند باعث مرگ بیمار شود.

این فناوری که بر اساس تصاویر طبیعی از قلب بیماران و پیشینه آنها طراحی شده است، به طور قابل توجهی پیش بینی پزشکان را بهبود می بخشد و احتمالاً تصمیم گیری بالینی را مدرن می کند و بقا از آریتمی های قلبی غیرمنتظره و کشنده، که یکی از مرگبارترین و اسرار آمیزترین شرایط در حوزه پزشکی است را بهبود می بخشد.
این مطالعه که توسط دانشمندان دانشگاه جانز هاپکینز هدایت می شود، در تحقیقات قلب و عروق Nature ارایه شده است.
مرگ ناگهانی قلبی ناشی از آریتمی حدود 20 درصد از همه مرگ و میرها در سراسر جهان است و ما اطلاعات کمی در مورد چرایی یا چگونگی وقوع آن داریم.

برای گفتن اینکه چه کسی در معرض خطر است بیمارانی هستند که ممکن است در معرض خطر کم مرگ قلبی ناگهانی باشند و دفیبریلاتورهایی دریافت می کنند که ممکن است نیازی نداشته باشند. در مقابل بیماران پرخطری وجود دارند که که درمان برایشان مورد نیاز است ولی آن را دریافت نمی کنند و در اوج زندگی جان خود را ازدست می دهند.

ناتالیا ترایانوا، نویسنده ارشد مطالعه و استاد زیست پزشکی مهندسی و پزشکی، دانشگاه جان هاپکینز

ترایانوا افزود: کاری که الگوریتم ما می تواند انجام دهد این است که تعیین کند چه کسانی در معرض خطر مرگ قلبی هستند و چه زمانی این اتفاق خواهد افتاد.
این تیم اولین گروهی است که از شبکه های عصبی برای توسعه ارزیابی بقای مناسب برای هر بیمار مبتلا به بیماری قلبی استفاده می کند. این روش ارزیابی خطر، با دقت بالا، احتمال مرگ قلبی غیرمنتظره در طی 10 سال، و زمانی که احتمال به وقوع پیوستن آن بیشتر است را فراهم می کند.
فناوری یادگیری عمیق به عنوان مطالعه بقای خطر آریتمی قلبی شناخته می شود (SSCAR). این نام نشان دهنده اسکار قلبی در نتیجه بیماری قلبی است که به طور مکرر منجر به آریتمی های مرگبار می شود و در پیش بینی های الگوریتم نقش محوری دارد.
تجزیه و تحلیل تصویر بالینی قلبی موجود، تنها ویژگی‌های اساسی اسکار مانند حجم و جرم را نشان می‌دهد، و به طور جدی از آنچه این کار نشان داده است از داده‌های مهمی است، استفاده نمی‌کند.

این تصاویر حاوی اطلاعات مهمی است که پزشکان به آنها دسترسی نداشتنداین اسکار را می توان به روش های مختلف توزیع کرد و چیزی در مورد . شانس یک بیمار برای زنده ماندن می گوید. در آن اطلاعات مخفی وجود دارد.

دن پوپسکو، نویسنده اول مطالعه و دانشجوی سابق دکترا، دانشگاه جانز هاپکینز

محققان دومین شبکه عصبی را برای یادگیری از یک دهه ابتدایی داده های بالینی بیمار ،از 22 عامل مانند سن، نژاد، وزن و مصرف داروی تجویزی بیماران برنامه نویسی کردند.
پیش‌بینی‌های الگوریتم‌ها نه تنها در هر سطح در مقایسه با پزشکان بسیار دقیق‌تر بودند، بلکه آنها همچنین در آزمایشات با یک بیمار مستقل تأیید شدند. گروهی از 60 مرکز بهداشتی در ایالات متحده، با تاریخچه های مختلف قلبی و داده های تصویربرداری متنوع، نشان می دهد که این پلتفرم می تواند در هر جایی اجرا شود.

روش مذکور این پتانسیل را دارد که به طور قابل توجهی تصمیم گیری بالینی را با توجه به خطر آریتمی شکل دهد و نشان دهنده یک گام اساسی در جهت ایجاد یک سیستم پیش بینی مسیر تشخیص بیماری در عصر هوش مصنوعی و آی تی و تجسم روند ادغام هوش مصنوعی، مهندسی وپزشکی به عنوان آینده مراقبت های بهداشتی می باشد.

ناتالیا ترایانوا، نویسنده ارشد مطالعه و استاد زیست پزشکی و مهندسی پزشکی، دانشگاه جان هاپکینز

محققان در حال حاضر به دنبال توسعه الگوریتم هایی برای شناسایی سایر بیماری های قلب هستند به گفته ترایانوا، ایده یادگیری عمیق می تواند برای دیگر حوزه های پزشکی که به تشخیص بصری بستگی دارد طراحی شود.

نام منبع : https://www.azorobotics.com

نام خبرنگار : منا بنهری