دیجیاتو به طور دلگرم کننده ای نقل می کند: در یک دستاورد جالب، دانشمندان پزشکی از هوش مصنوعی برای تجزیه و تحلیل تصاویر تصویربرداری تشدید مغناطیسی استفاده کردند تا به طور دقیق افرادی را که ممکن است نارسایی قلبی داشته باشند یا بر اثر نارسایی قلبی فوت کنند، پیش بینی کنند. ، ارائه دهید. دانشمندان می گویند که اولین پیش بینی کننده بقای این گونه قادر به تشخیص الگوهای MRI قلب است که با چشم غیرمسلح قابل تشخیص نیستند.
این رویکرد جدید مبتنی بر هوش مصنوعی میتواند بسیار دقیقتر از یک پزشک پیشبینی کند که آیا بیمار ممکن است بر اثر نارسایی قلبی بمیرد یا نه. بر اساس تصاویر خام از قلب بیمار و تاریخچه بیمار، فناوری می تواند تصمیم گیری بالینی را متحول کند و شانس فرد را برای زنده ماندن از آریتمی های قلبی ناگهانی و کشنده، یکی از کشنده ترین و گیج کننده ترین شرایط پزشکی افزایش دهد. این یافتهها به رهبری محققان دانشگاه جانز هاپکینز در شماره ۷ آوریل ۲۰۲۲ مجله Nature Cardiovascular Research منتشر شد.
ناتالیا تریانوا، نویسنده اصلی این مطالعه و استاد مهندسی زیست پزشکی موری بی. ساکس میگوید: «آریتمیهای ناگهانی قلبی حدود 20 درصد از کل مرگها در سراسر جهان را تشکیل میدهند، و ما اطلاعات کمی در مورد علت وقوع آنها یا نحوه تشخیص اینکه چه کسی در معرض خطر است، داریم.
در دنیای پزشکی، بیمارانی هستند که ممکن است در معرض خطر مرگ ناگهانی قلبی نباشند، اما به دلیل عدم آگاهی، دفیبریلاتورهایی دریافت می کنند که ممکن است نیازی نداشته باشند یا برعکس، بیماران پرخطری هستند که درمان را دریافت نمی کنند. نیاز داشتن. آنها می توانند در اوج زندگی خود بمیرند. کاری که الگوریتم ما می تواند انجام دهد این است که تعیین کند چه کسانی در معرض خطر مرگ قلبی هستند و چه زمانی ممکن است این مرگ رخ دهد. این ویژگی شگفت انگیز به پزشکان اجازه می دهد تا تصمیم درستی بگیرند که منجر به کاهش قابل توجه مرگ و میر ناشی از ایست قلبی می شود.
این تیم اولین گروهی است که از شبکه های عصبی برای ارزیابی بقای شخصی هر بیمار قلبی استفاده می کند. این فناوری به طور دقیق احتمال مرگ ناگهانی قلبی را طی 10 سال و زمانی که احتمال وقوع آن بیشتر است، پیش بینی می کند. فناوری پیشبینی جدید، مطالعه بقای آریتمی (SSCAR) نام دارد. این نام به زخم های روی قلب ناشی از بیماری های قلبی اشاره دارد که اغلب منجر به آریتمی های کشنده می شود و کلید پیش بینی الگوریتم است.
این تیم از تصاویر کنتراست تقویتشده قلب برای تجسم توزیع اسکار صدها بیمار واقعی در بیمارستان جانز هاپکینز با زخمهای قلبی استفاده کرد تا الگوریتمی برای تشخیص الگوها و روابطی که با چشم غیرمسلح قابل مشاهده نیستند، بیاموزند. تجزیه و تحلیل بالینی فعلی تصویر قلب تنها ویژگی های ساده اسکارها مانند حجم و جرم را برجسته می کند و از آنچه در این مقاله ارائه شده به عنوان داده های مهم استفاده نمی کند.
دن پوپسکو، دانشجوی سابق دکترا در جونز هاپکینز و نویسنده اول مقاله می گوید: «تصاویر جدید حاوی اطلاعات مهمی است که پزشکان قبلاً نمی توانستند به آنها دسترسی پیدا کنند. اسکار می تواند به روش های مختلفی توزیع شود تا اطلاعات ارزشمندی در مورد شانس زنده ماندن بیمار ارائه شود، اطلاعاتی که قبلاً در تصاویر پنهان شده بود. این تیم همچنین شبکه عصبی دیگری را برای یادگیری 22 عامل مانند سن، وزن، نژاد و داروهای تجویزی از 10 سال داده های استاندارد بالینی بیماران آموزش داد.
پیشبینیهای الگوریتمها نه تنها از هر نظر به طور قابلتوجهی دقیقتر از پزشکان بود، بلکه در آزمایشهایی با گروهی از بیماران مستقل از 60 مرکز بهداشتی در سراسر ایالات متحده با تاریخچههای قلبی و دادههای تصویربرداری مختلف تأیید شد، که نشان میدهد این پلتفرم میتواند در هر جایی استفاده می شود تریجانوا گفت: «این فناوری این پتانسیل را دارد که به طور قابل توجهی تصمیم گیری بالینی در مورد خطر آریتمی را شکل دهد و گامی اساسی در واگذاری پیش آگهی بیماری به عصر هوش مصنوعی بردارد. «این فناوری فرآیند ادغام هوش مصنوعی، مهندسی و پزشکی را به عنوان آینده مراقبتهای بهداشتی تجسم میدهد. این تیم اکنون در حال توسعه الگوریتم هایی برای تشخیص سایر بیماری های قلبی هستند. به گفته تراژان، مفهوم یادگیری عمیق را می توان به سایر رشته های پزشکی که بر تشخیص بصری تکیه دارند تعمیم داد.