شفقنا – پژوهشگران موفق به توسعه یک مدل هوش مصنوعی شدهاند که میتواند تنها با تحلیل یک نوار قلب معمولی، افرادی را که در معرض خطر مرگ ناگهانی ناشی از ایست قلبی قرار دارند شناسایی کند؛ آن هم حتی در شرایطی که آزمایشهای رایج قلب هیچ نشانه نگرانکنندهای را نشان نمیدهند. این فناوری میتواند شیوه غربالگری بیماران و تصمیمگیری برای استفاده از دستگاههای نجاتبخش قلب را متحول کند.
به گزارش سرویس ترجمه شفقنا، پژوهشگران دانشگاه کالیفرنیا، برکلی، با استفاده از هوش مصنوعی موفق شدهاند نشانهای پنهان در نوار قلب (ECG یا EKG) کشف کنند که میتواند خطر مرگ ناگهانی قلبی را سالها پیش از وقوع آن آشکار سازد؛ خطری که تاکنون از چشم پزشکان پنهان مانده بود.
مرگ ناگهانی قلبی یکی از مهمترین علل مرگومیر در جهان است و هر سال جان صدها هزار نفر را میگیرد. این عارضه تنها مختص بیماران قلبی نیست و گاهی در افراد ظاهراً سالم یا حتی ورزشکاران جوان نیز رخ میدهد. پس از وقوع ایست قلبی، شانس زنده ماندن بیمار خارج از بیمارستان بهسرعت کاهش مییابد و تنها احیای قلبی-ریوی (CPR) و شوک الکتریکی فوری میتواند جان او را نجات دهد.
در این مطالعه پژوهشگران بیش از ۴۴۰ هزار نوار قلب ثبتشده در سوئد را همراه با اطلاعات پزشکی و گواهیهای فوت افراد بررسی کردند. سپس یک مدل هوش مصنوعی را آموزش دادند تا الگوهای ظریفی را که با خطر مرگ ناگهانی قلبی ارتباط دارند شناسایی کند.
در مرحله بعد، عملکرد این مدل با استفاده از دادههای مستقل بیماران در آمریکا و تایوان نیز آزمایش شد و نتایج نشان داد که الگوریتم در سیستمهای درمانی مختلف نیز دقت خود را حفظ میکند؛ موضوعی که اهمیت زیادی برای کاربرد عملی آن در دنیای واقعی دارد.
در حال حاضر پزشکان معمولاً برای ارزیابی خطر مرگ ناگهانی از شاخصی به نام کسر جهشی بطن چپ (LVEF) استفاده میکنند که میزان خون پمپشده توسط قلب در هر ضربان را اندازهگیری میکند. اگر این عدد پایین باشد، بیمار ممکن است کاندید دریافت دستگاه دفیبریلاتور کاشتنی (ICD) شود؛ دستگاهی که در صورت بروز آریتمی خطرناک، با وارد کردن شوک الکتریکی جان بیمار را نجات میدهد.
اما این روش محدودیتهای مهمی دارد. بسیاری از افرادی که بعدها دچار مرگ ناگهانی قلبی میشوند، هرگز کاهش کسر جهشی بطن چپ نداشتهاند یا اصلاً تحت چنین ارزیابیهایی قرار نگرفتهاند.
مدل هوش مصنوعی جدید توانست گروهی از بیماران را شناسایی کند که خطر مرگ ناگهانی سالانه در آنها ۷ درصد بود؛ در حالی که این رقم در گروهی که تنها با معیار سنتی کسر جهشی بطن چپ پرخطر شناخته میشدند، ۴.۶ درصد بود.
نکته مهمتر اینکه بیشتر بیمارانی که توسط هوش مصنوعی پرخطر تشخیص داده شدند، با روشهای فعلی اصلاً شناسایی نشده بودند. این یافته نشان میدهد یک نوار قلب ساده میتواند اطلاعات ارزشمندی را در خود پنهان کرده باشد که تاکنون قابل تشخیص نبوده است.
پژوهشگران تنها به ارائه یک امتیاز خطر از سوی هوش مصنوعی اکتفا نکردند، بلکه تلاش کردند بفهمند الگوریتم دقیقاً چه چیزی را در نوار قلب مشاهده کرده است.
برای این کار از یک مدل هوش مصنوعی دیگر استفاده شد تا تفاوت میان نوار قلب افراد کمخطر و پرخطر بررسی شود.
نتیجه این بررسی به کشف یک ویژگی جدید در بخشی از نوار قلب به نام aVL و در قسمت کمپلکس QRS منجر شد؛ بخشی که فعالیت الکتریکی اصلی بطنهای قلب را هنگام هر ضربان نشان میدهد.
به گفته پژوهشگران، این ویژگی تاکنون در هیچ مطالعه پزشکی گزارش نشده بود و ارتباط بسیار قوی با خطر مرگ ناگهانی قلبی دارد. این کشف نشان میدهد هوش مصنوعی میتواند الگوهایی را آشکار کند که حتی متخصصان قلب نیز تاکنون متوجه آن نشدهاند.
گامی به سوی درمان دقیقتر
کاشت دفیبریلاتور قلب اگرچه میتواند جان بیمار را نجات دهد، اما عملی تهاجمی و پرهزینه است و بسیاری از دستگاههای کاشتهشده هرگز مورد استفاده قرار نمیگیرند.
از سوی دیگر، اگر بیماری که واقعاً در معرض خطر است شناسایی نشود، پیامد آن میتواند مرگ باشد.
پژوهشگران معتقدند این فناوری جدید میتواند به پزشکان کمک کند تا بیماران پرخطر را بسیار دقیقتر شناسایی کنند و تنها افرادی که واقعاً به مداخلات درمانی نیاز دارند، تحت درمان قرار گیرند.
به گفته پژوهشگران، اگرچه این فناوری هنوز وارد استفاده روزمره نشده است، اما میتواند در آینده نزدیک شیوه غربالگری بیماریهای قلبی را متحول کند و تنها با یک نوار قلب معمولی، جان هزاران نفر را پیش از وقوع ایست قلبی نجات دهد.
این خبر را اینجا ببینید.
