شفقنا – یک پیشرفت جدید در حوزه پزشکی نشان میدهد که استفاده از هوش مصنوعی برای تفسیر نوار قلب (ECG) میتواند دقت تشخیص حملات قلبی شدید را به طور چشمگیری افزایش دهد.
به گزارش سرویس ترجمه شفقنا، این فناوری نه تنها در شناسایی موارد با علائم یا الگوهای غیرمعمول نوار قلب بهتر عمل میکند، بلکه تعداد تشخیصهای کاذب را نیز به میزان قابل توجهی کاهش میدهد، امری که میتواند سرعت شروع درمان حیاتی را در شرایط اورژانسی بهبود بخشد.
استفاده از هوش مصنوعی برای تحلیل نوار قلب، تشخیص نوعی جدی حمله قلبی را ارتقا داده است. این نوع از حملات قلبی زمانی رخ میدهد که یک شریان اصلی کرونری مسدود شده و جریان خون به عضله قلب قطع میشود. استاندارد درمان برای این وضعیت، بازگرداندن سریع جریان خون یا پرفیوژن مجدد از طریق مداخله عروق کرونر از راه پوست است. با این حال، به ویژه در بیمارستانهایی که تخصص کافی ندارن یا در مناطق روستایی، تأخیر در رسیدن به زمان توصیهشده برای پرفیوژن مجدد همچنان یک چالش است. نکته حیاتی این است که اگر زمان پرفیوژن مجدد از ۹۰ دقیقه فراتر رود، احتمال مرگ و میر تا سه برابر افزایش مییابد.
بر اساس مطالعات انجام شده مشخص شد که تفسیر نوار قلب با کمک هوش مصنوعی میتواند به طور همزمان به دو هدف مهم دست یابد: تشخیص سریعتر حملات قلبی واقعی و کاهش فعالسازیهای غیرضروری تیمهای درمانی.
به گفته دکتر بلژیکی رابرت هرمان، نویسنده اصلی این تحقیق، بهبود دقت در مرحله تریاژ اولیه میتواند به سادهسازی مراقبتهای اورژانسی، کاهش فشار بر تیمهای بالینی و تضمین دریافت بهموقع مداخله فوری برای بیمارانی که واقعاً به آن نیاز دارند، کمک کند.
این مطالعه که یکی از اولین ارزیابیهای بزرگ در دنیای واقعی از یک مدل نوار قلب مبتنی بر هوش مصنوعی برای تریاژ بیماران قلبی در محیط اورژانس است، به بررسی گذشتهنگر دادههای ۱۰۳۲ بیمار مشکوک به این نوع از حمله قلبی پرداخت که پروتکلهای پرفیوژن مجدد برای آنها فعال شده بود. این مدل برای تشخیص انسداد حاد عروق کرونر و تمایز آنها از موارد خوشخیم مشابه آموزش دیده بود.
یافتهها نشان داد که از میان این بیماران، ۶۰۱ نفر (۵۸٪) دارای بیماری تأییدشده با آنژیوگرافی و نشانگرهای زیستی بودند و ۴۳۱ نفر (۴۲٪) تشخیصهای کاذب بودند. مدل نوار قلب هوش مصنوعی عملکرد بهتری نسبت به روشهای تریاژ استاندارد از خود نشان داد؛ این مدل توانست ۵۵۳ مورد از ۶۰۱ مورد تأییدشده حمله قلبی را تشخیص دهد، در حالی که تریاژ استاندارد تنها ۴۲۷ مورد را در نوار قلب اولیه شناسایی کرده بود. علاوه بر این، نرخ تشخیص کاذب توسط هوش مصنوعی ۷.۹٪ بود، در مقایسه با نرخ ۴۱.۸٪ برای تریاژ استاندارد، که نشاندهنده کاهشی پنج برابری در هشدارهای غیرضروری است.
دکتر تیموتی دی. هنری، نویسنده ارشد این تحقیق، اشاره کرد که این نتایج حاکی از آن است که تشخیص تقویتشده با هوش مصنوعی در اولین تماس پزشکی، پتانسیل کوتاهتر کردن زمان رسیدن به درمان و کاهش فعالسازیهای کاذب را دارد.
با وجود این نتایج امیدوارکننده، دکتر محمد الخولی، تأکید کرد که این مدل هوش مصنوعی که در اصل برای تشخیص انسداد شریانها و نه لزوماً حمله قلبی طراحی شده است، باید با احتیاط تفسیر شود و نیاز به اعتبارسنجی آیندهنگر بیشتری در جمعیتهای متنوع بیماران دارد.
این خبر را اینجا ببینید.
