Rate this post

به گزارش عاشق وب تعدادی از پژوهشگران به تازگی از روش جدید مبتنی بر هوش مصنوعی که می تواند به صورت دقیق خطر مرگ بیماران مشکوک یا مبتلا به بیماری قلبی را پیشبینی کند، اطلاع داده اند.
به گزارش عاشق وب به نقل از ایسنا و به نقل از اس تی دی، در این روش جدید، برخلاف روش های سنتی مبتنی بر داده های بالینی، از اطلاعات تصویربرداری قلب که با روش تصویربرداری تشدید مغناطیسی قلبی استرس(stress CMR) به دست آمده، استفاده شده و مورد ارزیابی قرار می گیرند. واژه “استرس” در اینجا به این معنا است که به بیماران در همان حال که در اسکنر تصویربرداری تشدید مغناطیسی هستند، دارویی داده می شود که این دارو اثر ورزش را بر روی قلب آنها بوجود می آورد.
دکتر “تئو پزل”(Theo Pezel) نویسنده این مطالعه از بیمارستان جانز هاپکینز ایالات متحده اظهار داشت: این نخستین مطالعه ای است که نشان داده است استفاده از یادگیری ماشینی همراه با پارامترهای بالینی و تصویربرداری تشدید مغناطیسی قلبی استرس می تواند خطر مرگ را به دقت پیش بینی نماید. یافته های ما نشان داده است که بیماران مبتلا به درد قفسه سینه، تنگی نفس یا عوامل خطر بیماری قلبی عروقی باید تحت آزمایش تصویربرداری تشدید مغناطیسی قلبی استرس قرار بگیرند و امتیاز آنها محاسبه شود. این روش ما را قادر می سازد تا پیگیری ها و سفارش های مناسب تری را در مورد ورزش و رژیم غذایی به این افراد عرضه دهیم.
طبقه بندی عوامل خطر معمولاً در بیماران مبتلا به بیماری قلبی عروقی یا در معرض خطر بالای مبتلا شدن به بیماری قلبی عروقی به منظور مدیریت مناسب و با هدف پیشگیری از حمله قلبی، سکته مغزی و مرگ ناگهانی قلبی افراد صورت می گیرد.
ابزار محاسباتی معمولی اطلاعات بالینی محدودی مانند سن، جنسیت، وضعیت استعمال دخانیات، فشار خون و کلسترول را در نظر می گیرند اما محققان در این مطالعه دقت یادگیری ماشین را با استفاده از تصویربرداری تشدید مغناطیسی قلبی استرس و داده های بالینی مورد بررسی قرار دادند.
دکتر پزل اظهار داشت: بعضی از اطلاعاتی که از بیماران جمع آوری می نماییم امکان دارد در طبقه بندی عوامل خطر چندان مرتبط به نظر نرسند اما یادگیری ماشینی می تواند تعداد زیادی متغیر را به صورت همزمان تجزیه و تحلیل کند و نشانه هایی را پیدا کند که ما از وجود آنها خبر نداشتیم که این امر دقت پیشبینی خطر مرگ بیماران را بهبود می بخشد.
در این مطالعه محققان اطلاعات ۳۱ هزار و ۷۵۲ بیمار بود که بین سالهای ۲۰۰۸ تا ۲۰۱۸ به علت درد قفسه سینه، تنگی نفس در هنگام فعالیت یا خطر بالای مبتلا شدن به بیماری قلبی عروقی اما بدون علامت به مرکزی در پاریس مراجعه نموده بودند را مورد بررسی قرار دادند. خطر بالا به معنای داشتن حداقل دو عامل خطر مانند فشار خون بالا، دیابت، دیس لیپیدمی و سیگار کشیدن است. در طول دوره پیگیری، ۲۶۷۹ بیمار(۸.۴ درصد) فوت کردند.
دیس لیپیدمی یا چربی پریشی به معنای هرگونه اختلال در سطح سرمی چربی ها شامل افزایش یا کاهش غیرطبیعی است. دیس لیپیدمی شامل انواع مختلفی از اختلال در سوخت وساز چربی ها است. دیس لیپیدمی یکی از عوامل اصلی خطر برای بروز بیماری سرخرگ های کرونری(CAD)، سکته مغزی(CVA) و بیماری عروق محیطی(PVD) ذکر گردیده است.
محققان در این مطالعه در دو مرحله از یادگیری ماشینی استفاده کردند. یادگیری ماشینی ابتدا برای انتخاب این که کدام یک از پارامترهای بالینی و تصویربرداری تشدید مغناطیسی قلبی می تواند مرگ را پیش بینی نماید و کدام یک نمی تواند و سپس جهت بررسی یک الگوریتم، مورد استفاده قرار گرفت. یادگیری ماشین قادر به پیشبینی زنده ماندن یا فوت کردن بیماران با دقت ۷۶ درصد بود و این به آن معنا است که یادگیری ماشینی حدودا از چهار بیمار، پیشبینی زنده ماندن یا فوت کردن سه بیمار را به درستی انجام داده بود.
دکتر پزل اظهار داشت: تصویربرداری تشدید مغناطیسی قلبی ​استرس یک تکنیک بی خطر است که در آن از اشعه استفاده نمی گردد. یافته های ما نشان داده است که ترکیب این اطلاعات تصویربرداری با داده های بالینی در یک الگوریتم ساخته شده توسط هوش مصنوعی امکان دارد ابزار مفیدی جهت کمک به جلوگیری از بیماری های قلبی عروقی و مرگ ناگهانی قلبی در بیماران مبتلا به علایم قلبی عروقی یا عوامل خطر باشد.