مکاترونیک نیوز | الگوریتم هوش مصنوعی برگرفته از ضربان قلب، می‌تواند دیابت و پیش دیابت را پیش بینی کند

به گزارش مکاترونیک نیوز، بر اساس مطالعه‌ای که در نشریه آنلاین BMJ Innovations گزارش شده است، یک سیستم هوش مصنوعی (AI)  ایجاد شده از جزییات ضربان قلب فردی که در نوار قلب (الکتروکاردیوگرام) ثبت شده است، می‌تواند به طور موثر دیابت و پیش دیابت را شناسایی کند.

به گفته محققان، اگر در تحقیقات گسترده‌تر موثر باشد، ممکن است این تکنیک برای آزمایش بیماری در محیط‌هایی با منابع محدود استفاده شود.

در سال 2019، پیش‌بینی شد که 463 میلیون نفر در سراسر جهان به دیابت مبتلا هستند. علاوه بر این، تشخیص این بیماری در مراحل اولیه برای جلوگیری از مشکلات مهم سلامتی بعدی ضروری است؛ اما اندازه‌گیری گلوکز خون نقش بسزایی در تشخیص دارد.

محققان خاطرنشان می‌کنند که این نه تنها تهاجمی است، بلکه اجرای آن به عنوان یک آزمایش غربالگری انبوه در محیط‌های کم منابع نیز دشوار است.

حتی قبل از تغییرات واضح گلوکز خون، سیستم قلبی عروقی تغییرات ساختاری و عملکردی اولیه را تجربه می‌کند که در اثر قلب ECG قابل مشاهده است.

استفاده از ضربان قلب برای تشخیص دیابت 

هدف از این مطالعه این بود که ببیند آیا می‌توان از تکنیک‌های یادگیری ماشینی (AI) برای به حداکثر رساندن توانایی غربالگری ECG  و شناسایی افراد پرخطر برای دیابت نوع 2 و پیش دیابت استفاده کرد.

آنها از کسانی که در مطالعه دیابت در خانواده‌های سندی در ناگپور (DISFIN) شرکت کردند، استفاده کردند. همچنین ژنتیک دیابت نوع 2 و سایر ویژگی‌های متابولیک را در خانواده‌های سندی در ناگپور هند که در معرض خطر بالای ابتلا به این بیماری بودند، بررسی کردند.

خانواده‌های ساکن در ناگپور که دارای جمعیت بالایی از مردم سندی است و حداقل یک مورد شناخته شده از دیابت نوع 2 داشتند، در این تحقیق شرکت کردند.

شرکت‌کنندگان جزییاتی در مورد تاریخچه پزشکی خود و خانواده‌شان ارائه داشتند، سپس رژیم‌های غذایی معمول خود را شرح دادند و تحت طیف کاملی از ارزیابی‌های بالینی و آزمایش خون قرار گرفتند. 61 درصد آنها زن با میانگین سنی 48 سال بودند.

امکان شناسایی دیابت با استاندارهای تشخیصی

استانداردهای تشخیصی که توسط انجمن دیابت آمریکا مشخص شده است، امکان شناسایی پیش دیابت و دیابت را فراهم می کند.

پیش دیابت و دیابت نوع 2 هر دو بسیار شایع بودند، با میزان شیوع به ترتیب 30 درصد و 14 درصد. علاوه بر این شیوع سایر بیماری‌های همراه مهم از جمله فشار خون بالا (51 درصد)، چاقی (حدود 40 درصد) و  چربی خون اختلال (36 درصد) و مقاومت به انسولین (35 درصد) به طور مشابه قابل توجه بود.

هر یک از 1262 آزمودنی یک ردیابی قلبی ECG معمولی 10 ثانیه‌ای 12 لید داشتند و برای هر یک از 10461 ضربان قلب منفرد که ثبت شد، 100 ویژگی ساختاری و عملکردی متمایز برای هر لید ادغام شد تا یک الگوریتم پیش‌بینی (DiaBeats) ایجاد شود.

الگوریتم DiaBeats به سرعت دیابت و پیش دیابت را بر اساس اندازه و شکل ضربان قلب فردی با دقت کلی 97 درصد و دقت 97 درصد بدون توجه به متغیرهای مهم مانند سن، جنسیت و بیماری‌های متابولیک زمینه‌ای شناسایی کرد.

پارامترهای ECG قابل توجه به طور مداوم با مکانیسم‌های بیولوژیکی شناخته شده برای ایجاد تغییرات قلبی مرتبط با دیابت و پیش دیابت مطابقت داشتند.

به گفته محققان، شرکت‌کنندگان در کارآزمایی همگی در معرض خطر بالای دیابت و سایر مشکلات متابولیک قرار داشتند. همچنین بعید به نظر می‌رسد که جمعیت وسیع‌تری را منعکس کنند.

کسانی که داروهای تجویزی برای دیابت، فشار خون بالا، کلسترول بالا و غیره مصرف می‌کردند، متوجه شدند که DiaBeats  کمی دقت کمتری دارد.

علاوه بر این، داده‌های مربوط به افرادی که به پیش دیابت یا دیابت مبتلا شده‌اند در دسترس نبود و ارزیابی اثرات غربالگری اولیه را غیرممکن می‌کند.

در نهایت تیم مطالعه نتیجه گرفت:

«در تئوری، مطالعه ما جایگزینی نسبتاً ارزان، غیرتهاجمی و دقیق [برای روش‌های تشخیصی کنونی] ارائه می‌کند که می‌تواند به عنوان دروازه‌بان برای تشخیص مؤثر دیابت و پیش دیابت در اوایل دوره‌اش استفاده شود. با این وجود، پذیرش این الگوریتم در تمرینات معمول نیاز به اعتبارسنجی قوی در مجموعه داده‌های خارجی و مستقل دارد.»

خبرنگار: منا بنهری

منبع خبر: www.azorobotics.com