آخرین مطالب

مدل هوش مصنوعی مبتنی بر ECG می تواند بیماری ساختاری قلب تشخیص داده نشده را پیش بینی کند


او

اعتبار: دامنه عمومی Pixabay/CC0

تیمی از پزشکان و دانشمندان Tempus و Geisinger دریافته‌اند که یک مدل هوش مصنوعی جدید می‌تواند بیمارانی را که در معرض خطر ابتلا به بیماری‌های ساختاری قلب تشخیص داده نشده هستند، به دقت شناسایی کند.

بیماری ساختاری قلب (SHD) گروهی از شرایط است که بر دریچه‌ها، دیواره‌ها، حفره‌ها یا ماهیچه‌های قلب تأثیر منفی می‌گذارد. SHD به طور معمول یک بیماری پیشرونده است که باعث انواع علائم ناتوان کننده یا مرگ می شود، که تشخیص و درمان زودهنگام بیماران را برای جلوگیری از این پیامدهای ضعیف مهم می کند. با این حال، بسیاری از بیماران مبتلا به این بیماری تشخیص داده نشده اند.

مطالعه Tempus و Geisinger به دنبال رفع این شکاف تشخیصی با توسعه یک مدل یادگیری ماشینی جدید بود که از داده‌های الکتروکاردیوگرام 12 لید (ECG) استفاده می‌کند – آزمایشی ارزان و رایج برای اندازه‌گیری سیگنال‌های الکتریکی قلب – برای شناسایی بیماران در شرایط بالا. خطر ابتلا به SHD تشخیص داده نشده منتشر شده در جریانمدل rECHOmmend می تواند هر یک از هفت بیماری ساختاری قلب را که با اکوکاردیوگرافی (سونوگرافی قلب) قابل تشخیص است، پیش بینی کند.

تیمی از دانشمندان داده و محققان پزشکی از 2.2 میلیون ECG از بیش از 480000 بیمار در طول 37 سال مراقبت از بیمار در Geisinger استفاده کردند تا یک شبکه عصبی عمیق – یک نوع تخصصی از مدل هوش مصنوعی – را آموزش دهند تا پیش‌بینی کنند که در بین بیماران بدون سابقه قبلی چه کسی SHD، بیماری بالینی مهمی را ایجاد می کند که می تواند از نظارت یا درمان مبتنی بر دستورالعمل بهره مند شود. به طور کلی، این مطالعه نشان داد که این مدل به عملکرد عالی دست یافته است، که از عملکرد هر مدل منتشر شده قبلی که هر بیماری را پیش‌بینی می‌کند، بیشتر است. یافته‌ها نشان می‌دهد که پزشکان با استفاده از این مدل می‌توانند با مطالعات تشخیصی کمتر بیماری بیشتری پیدا کنند.

جوئل دادلی، Ph.D.، مدیر ارشد علمی در Tempus، گفت: “بیماری ساختاری قلب بار بالایی از عوارض و مرگ و میر را به همراه دارد، و این مدل برای شناسایی بیماران تشخیص داده نشده در عمل بالینی قابل اجرا و کاربردی است.” دو تیم ما به یافتن راه‌های جدیدی برای استفاده از هوش مصنوعی برای پیش‌بینی بیماری قلبی قبل از رسیدن به مرحله شدید ناتوانی غیرقابل برگشت برای بیماران ادامه می‌دهند و مطالعه rECHOmmend بر اساس این کار بنیادی است.

Alvaro Ulloa Cerna، Ph.D، گفت: “مطالعات گذشته توانایی هوش مصنوعی را برای فعال کردن غربالگری بیماری های منفرد با اکوکاردیوگرافی نشان داده است. مطالعه rECHOmmend بر اساس مواردی است که امکان سنجی اکوکاردیوگرافی را به عنوان یک ابزار غربالگری برای بیماری های ساختاری قلب بهبود می بخشد.” ، دانشمند ارشد داده در Geisinger و نویسنده اصلی این مطالعه. “این می تواند تشخیص زودهنگام را امکان پذیر کند و به طور بالقوه از پیشرفت بیشتر بیماری و علائم ناتوان کننده آن جلوگیری کند.”


محققان دریافتند هوش مصنوعی می تواند فیبریلاسیون دهلیزی جدید، خطر سکته را پیش بینی کند


اطلاعات بیشتر:
Alvaro E. Ulloa-Cerna et al, RECHOmmend: یک رویکرد یادگیری ماشینی مبتنی بر ECG برای شناسایی بیماران در معرض خطر بالای بیماری ساختاری قلب تشخیص داده نشده قابل تشخیص با اکوکاردیوگرافی، جریان (2022). DOI: 10.1161/CIRCULATIONAHA.121.057869

ارائه شده توسط سیستم سلامت Geisinger

نقل قول: مدل هوش مصنوعی مبتنی بر ECG می تواند بیماری ساختاری قلب تشخیص داده نشده را پیش بینی کند (2022، 25 مه) در 25 مه 2022 از https://medicalxpress.com/news/2022-05-ecg-based-ai-undiagnosed-heart-disease.html بازیابی شده است.

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.