شفقنا – پژوهشگران دانشگاه واشنگتن مدلهای هوش مصنوعی ساختهاند که با بررسی پرونده الکترونیک سلامت و نوار قلب (الکتروکاردیوگرام) افراد عادی، میتوانند خطر ایست ناگهانی قلب را سالها قبل پیشبینی کنند. این مدلها قادرند ریسک را از حدود ۱ در ۱۰۰۰ نفر به ۱ در ۱۰۰ نفر کاهش دهند و میتوانند با یک نوار قلب ساده و کمهزینه در هر جامعهای مورد استفاده قرار گیرند.
به گزارش سرویس ترجمه شفقنا، ایست ناگهانی قلب سالانه باعث مرگ بیش از ۴۰۰ هزار نفر در آمریکا میشود و میزان بقا تنها ۱۰ درصد است. این حادثه اغلب در افرادی رخ میدهد که هیچ بیماری قلبی شناختهشدهای ندارند. دکتر نیل چترجی، متخصص قلب و نویسنده اصلی این مطالعه، میگوید: استفاده از برنامههای هوش مصنوعی و دادههای پرونده سلامت، پیشبینی ایست قلبی را در جمعیت عمومی امکانپذیر کرده است.
محققان سه مدل هوش مصنوعی را روی دادههای حدود ۱.۷ میلیون نفر در یک سیستم بزرگ سلامت آمریکا آموزش دادند. مدل اول فقط از نوار قلب استفاده کرد، مدل دوم به ۱۵۶ ویژگی بالینی از پرونده سلامت افراد مجهز بود، و مدل سوم ترکیبی از هر دو بود. این مدلها ابتدا روی ۹۹۳ نفری که بین سالهای ۲۰۱۳ تا ۲۰۲۱ دچار ایست قلبی خارج از بیمارستان شده بودند و ۵۴۷۹ نفر گروه کنترل (بدون ایست قلبی) آموزش دیدند تا الگوهای پرخطر را تشخیص دهند. سپس صحت آنها روی یک گروه جداگانه (۴۶۳ مورد ایست قلبی در ۲۰۲۲-۲۰۲۳) تأیید شد.
در مرحله نهایی، محققان مدل سوم (ترکیبی) را روی ۳۹۹۱۱ نفری آزمایش کردند که در سال ۲۰۲۱ نوار قلب داده بودند و وضعیت آنها را برای دو سال بعد رصد کردند. این مدل به درستی ۱۵۳ مورد از ۲۲۸ نفری را که در معرض بالاترین خطر بودند و بعداً دچار ایست قلبی شدند، شناسایی کرد. دکتر چترجی میگوید: با این مدلها، میتوانیم پیشبینی ریسک را از حدود ۱ در ۱۰۰۰ به ۱ در ۱۰۰ برسانیم. اگر پزشکتان به شما بگوید ریسک ایست قلبیتان ۱ در ۱۰۰ است، قطعاً توجهتان جلب میشود. ما در حال تبدیل یک ریسک نظری به چیزی قابل درک و ملموس هستیم.
یافته امیدوارکننده دیگر این بود که هوش مصنوعی به تنهایی و فقط با تحلیل نوار قلب، قدرت پیشبینی بالایی از خود نشان داد (فقط کمی کمتر از مدلهای ترکیبی). دکتر چترجی تأکید میکند: نوار قلب ۱۲ کاناله یک ابزار کمهزینه است که میتواند ریسک ایست قلبی را در هر جامعهای در سراسر جهان طبقهبندی کند. همچنین این مطالعه عواملی غیر از بیماری قلبی را نیز به عنوان نشانههای خطر شناسایی کرده است: اختلالات الکترولیت، مصرف مواد مخدر و تداخلات دارویی.
با وجود این نتایج امیدوارکننده، محققان تأکید میکنند که هنوز کار زیادی باقی است. این مطالعه فقط روی دادههای یک سیستم سلامت متمرکز بوده و قابلیت تعمیم به جمعیتهای دیگر با الگوهای مراقبتی و جمعیتشناختی متفاوت هنوز تأیید نشده است همچنین منحصراً به افرادی محدود بود که نوار قلب انجام داده بودند (که ممکن است با عموم مردم تفاوت داشته باشند).
با این حال، دکتر چترجی میگوید گام بعدی این است که بفهمیم «چه غربالگریای، چه نظارتی و چه مداخلهای هنگامی که یک مدل هوش مصنوعی بیمار را در معرض خطر بالا نشان میدهد، لازم و ضروری است.
این خبر را اینجا ببینید.