دیده بان پیشرفت علم، فناوری و نوآوری
آینده جهان با هوش مصنوعی (۱۵۲)؛

هوش مصنوعی آریتمی قلب را از ۳۰ دقیقه قبل پیش‌بینی می‌کند

هوش مصنوعی آریتمی قلب را از ۳۰ دقیقه قبل پیش‌بینی می‌کند
محققان یک مدل هوش مصنوعی جدید توسعه داده‌اند که می‌تواند یکی از شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی را ۳۰ دقیقه قبل پیش‌بینی کند.
کد خبر : 907523

به گزارش خبرگزاری علم و فناوری آنا به نقل از نیواطلس، تحقیقات جدید نشان داده است که هوش مصنوعی آموزش‌دیده بر روی داده‌های ساده ضربان قلب می‌تواند یکی از شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی را ۳۰ دقیقه قبل پیش‌بینی کند. با برنامه ریزی برای گنجاندن این مدل در تلفن هوشمند به طوری که بتواند داده‌های یک ساعت هوشمند را تجزیه و تحلیل کند، می‌تواند به عنوان یک سیستم هشدار اولیه عمل کند.

شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی (AF)، به طور قابل توجهی مراجعات بخش اورژانس و خطر بیماری‌های دیگر مانند سکته مغزی و زوال عقل را افزایش می‌دهد. این عارضه زمانی اتفاق می‌افتد که حفره‌های فوقانی قلب یعنی دهلیز‌ها به‌طور غیر طبیعی و نامنظم می‌کوبند و با حفره‌های پایینی یعنی بطن‌ها هماهنگ نیستند و ریتم قلبی نامنظم و اغلب بسیار سریع ایجاد می‌کنند. ضربان قلب طبیعی باید منظم باشد و زمانی که در حال استراحت هستید بین ۶۰ تا ۱۰۰ ضربه در دقیقه باشد. در فیبرلاسیون دهلیزی دو حفره فوقانی قلب یعنی دهلیز‌های قلب، فاقد ضربان مطلوب هستند.

بازگرداندن بیمار از فیبریلاسیون دهلیزی به ریتم منظم سینوسی می‌تواند به مداخلات فشرده‌ای مانند کاردیوورژن، وارد کردن شوک کم انرژی برای بازنشانی سیستم هدایت قلب نیاز داشته باشد. بنابراین، تشخیص این اختلال قبل از وقوع، مداخلات اولیه را امکان پذیر می‌کند که نتایج بیمار را بهبود می‌بخشد.

محققان مرکز سیستم‌های زیست‌پزشکی لوکزامبورگ (LCSB) در دانشگاه لوکزامبورگ مطالعه‌ای را منتشر کرده‌اند که در آن یک مدل یادگیری عمیق برای پیش‌بینی دقیق، ۳۰ دقیقه زودتر از زمانی که فرد دچار فیبریلاسیون دهلیزی می‌شود، آموزش داده شده است.

در حال حاضر، الکتروکاردیوگرافی (ECG) فقط می‌تواند فیبریلاسیون دهلیزی را درست قبل از وقوع آن تشخیص دهد، بنابراین نمی‌توان آن را یک سیستم هشدار اولیه در نظر گرفت.

خورخه گونکالوز، رئیس گروه کنترل سیستم در «ال‌سی‌اس‌بی» و نویسنده مسئول این مطالعه گفت: در مقابل، کار ما از این رویکرد به یک مدل پیش‌بینی آینده‌نگرتر منحرف می‌شود. ما از داده‌های ضربان قلب برای آموزش یک مدل یادگیری عمیق استفاده کردیم که می‌تواند مراحل مختلف ریتم سینوسی و فیبریلاسیون دهلیزی را تشخیص دهد و احتمال خطر ابتلا به یک دوره قریب‌الوقوع را محاسبه کند.

محققان پیش‌بینی می‌کنند که این دستگاه در گوشی‌های هوشمند برای پردازش داده‌های به‌دست‌آمده از یک ساعت هوشمند استفاده شود. هدف درازمدت این است که بیماران بتوانند به طور مداوم ریتم قلب خود را کنترل کنند و به اندازه کافی هشدار دهند تا بتوانند از درمان‌هایی مانند دارو‌های ضد آریتمی خوراکی برای جلوگیری از شروع فیبریلاسیون دهلیزی استفاده کنند. محققان می‌گویند، این فناوری را می‌توان شخصی‌سازی کرد.  

گونکالوز گفت: در حرکتی رو به جلو، ما بر روی توسعه مدل‌های شخصی‌سازی شده تمرکز خواهیم کرد. استفاده روزانه از یک ساعت هوشمند ساده دائماً اطلاعات جدیدی در مورد پویایی قلب شخصی ارائه می‌کند و ما را قادر می‌سازد تا مدل خود را به طور مداوم اصلاح کنیم و مجدداً آموزش دهیم تا با هشدار‌های قبلی حتی به عملکرد بهتری دست یابد. در نهایت، این رویکرد می‌تواند منجر به آزمایش‌های بالینی جدید و مداخلات درمانی نوآورانه شود.

انتهای پیام/

ارسال نظر
هلدینگ شایسته