به گزارش سایت خبری ساعد نیوز به نقل از ایسنا، ایست قلبی به عنوان توقف گردش خون شناخته می شود. در این حالت عضله قلب هیچ گونه انقباضی نداشته و قلب هیچ خروجی و جریان خونی ندارد حال یک رویکرد جدید مبتنی بر هوش مصنوعی می تواند به طور قابل توجهی دقیق تر از یک پزشک، پیش بینی 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، می تواند تصمیم گیری 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 می دهد 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 شوک های الکتریکی خفیف، فیبریلاسیون بطنی یا دهلیزی را بی اثر می کند) دریافت می کنند 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 نمی کنند و به همین دلیل ممکن است جان خود را از دست دهند. آنچه که الگوریتم ما می تواند انجام دهد این است که تعیین کند چه کسانی در معرض خطر ایست قلبی هستند و چه زمانی این اتفاق می افتد و همین امر به پزشکان اجازه می دهد دقیقا تصمیم بگیرند که چه کاری باید انجام دهند.
محققان این مطالعه نخستین گروهی هستند که از شبکه های عصبی برای ایجاد روشی برای ارزیابی بقای شخصی هر بیمار مبتلا به بیماری قلبی استفاده می کنند. این روش امکان پیش بینی خطر مرگ ناگهانی فرد ناشی از ایست قلبی طی ۱۰ سال و زمانی که احتمال وقوع آن بیشتر است را فراهم می کند.
این فناوری یادگیری عمیق، "مطالعه بقای خطر آریتمی قلبی"(SSCAR) نامیده می شود که این نام اشاره ای به زخم قلبی ناشی از بیماری قلبی دارد که اغلب به آریتمی های کشنده منجر می شود و همین موضوع کلید پیش بینی های الگوریتم است.
محققان این مطالعه از تصاویر قلبی تقویت شده 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. زخم های(scarring) قلب موجود در تصاویر می تواند اطلاعاتی در مورد شانس بقای بیمار و اطلاعاتی که در آن پنهان است، بگوید.
محققان این مطالعه اکنون در حال ساخت الگوریتم هایی برای تشخیص سایر بیماری های قلبی هستند. به گفته ترایانووا، از مفهوم یادگیری عمیق می توان برای سایر رشته های پزشکی که مبتنی بر تشخیص بصری است، استفاده کرد.
یافته های این مطالعه در مجله "Nature Cardiovascular Research" منتشر شده است.
واقعیت های موجود در مورد هوش مصنوعی
