به گزارش ایسنا و به نقل از اس تی دی، ایست قلبی به عنوان توقف گردش خون شناخته می‌شود. در این حالت عضله قلب هیچ‌گونه انقباضی نداشته و قلب هیچ خروجی و جریان خونی ندارد حال یک رویکرد جدید مبتنی بر هوش مصنوعی می‌تواند به طور قابل توجهی دقیق‌تر از یک پزشک، پیش‌بینی کند که نخست آیا ممکن است فردی در اثر ایست قلبی ناگهانی جان خود را از دست دهد و اگر پاسخ بله است چه زمانی این اتفاق رخ خواهد داد.

این فناوری که بر اساس تصاویر خام به دست آمده از قلب بیمار و سوابق پزشکی بیمار توسعه یافته است، می‌تواند تصمیم‌گیری بالینی را متحول کرده و افرادی که در معرض ایست قلبی قرار دارند را به راحتی شناسایی کرده و به نوعی سبب افزایش بقای افراد شود.

"ناتالیا ترایانووا"(Natalia Trayanova) نویسنده ارشد این مطالعه گفت: حدود ۲۰ درصد از کل مرگ و میرها در سراسر جهان به دلیل مرگ ناگهانی ناشی از ایست قلبی رخ می‌دهد و ما در مورد علت وقوع آن یا چگونگی تشخیص اینکه چه کسی در معرض خطر است، اطلاعات کمی داریم. بیمارانی که ممکن است در معرض خطر کم مرگ ناگهانی ناشی از ایست قلبی باشند، الکتروشوک (دستگاهی الکتریکی که با شوک‌های الکتریکی خفیف، فیبریلاسیون بطنی یا دهلیزی را بی اثر می‌کند) دریافت می‌کنند که ممکن است به آن‌ روش نیز نیازی نداشته باشند و بیمارانی که در معرض خطر بالای مرگ ناشی از ایست قلب هستند نیز درمانی کاربردی و موثر دریافت نمی‌کنند و به همین دلیل ممکن است جان خود را از دست دهند. آنچه که الگوریتم ما می‌تواند انجام دهد این است که تعیین کند چه کسانی در معرض خطر ایست قلبی هستند و چه زمانی این اتفاق می‌افتد و همین امر به پزشکان اجازه می‌دهد دقیقا تصمیم بگیرند که چه کاری باید انجام دهند.

محققان این مطالعه نخستین گروهی هستند که از شبکه‌های عصبی برای ایجاد روشی برای ارزیابی بقای شخصی هر بیمار مبتلا به بیماری قلبی استفاده می‌کنند. این روش امکان پیش‌بینی خطر مرگ ناگهانی فرد ناشی از ایست قلبی طی ۱۰ سال و زمانی که احتمال وقوع آن بیشتر است را فراهم می‌کند.

این فناوری یادگیری عمیق، "مطالعه بقای خطر آریتمی قلبی"(SSCAR) نامیده می‌شود که این نام اشاره‌ای به زخم قلبی ناشی از بیماری قلبی دارد که اغلب به آریتمی‌های کشنده منجر می‌شود و همین موضوع کلید پیش‌بینی‌های الگوریتم است.

محققان این مطالعه از تصاویر قلبی تقویت‌شده با کنتراست بالا استفاده کردند تا الگوریتمی را برای تشخیص الگوها و مواردی که با چشم غیرمسلح قابل مشاهده نیستند، آموزش دهند.

"دن پوپسکو"(Dan Popescu) از دیگر محققان این مطالعه گفت: تصاویر حاوی اطلاعات مهمی هستند که پزشکان قادر به تجزیه و تحلیل دقیق آنها نیستند. زخم‌های(scarring) قلب موجود در تصاویر می‌تواند اطلاعاتی در مورد شانس بقای بیمار و اطلاعاتی که در آن پنهان است، بگوید.

محققان این مطالعه اکنون در حال ساخت الگوریتم‌هایی برای تشخیص سایر بیماری‌های قلبی هستند. به گفته ترایانووا، از مفهوم یادگیری عمیق می‌توان برای سایر رشته‌های پزشکی که مبتنی بر تشخیص بصری است، استفاده کرد.

یافته‌های این مطالعه در مجله "Nature Cardiovascular Research" منتشر شده است.

انتهای پیام