گروهی از متخصصان قلب و عروق ابزاری برای هوش مصنوعی ساخته اند که می تواند بیماری های قلبی را قبل از تبدیل شدن به تخصص تشخیص دهد. ابزار هوش مصنوعی همچنین می تواند حملات قلبی و حوادث مشابه را با دقت 99.6 درصد پیش بینی کند. پزشکان از داده های جمع آوری شده از 10000 بیمار مختلف برای آموزش ربات هوش مصنوعی استفاده کردند.

ابزار هوش مصنوعی جدید این پتانسیل را دارد که تشخیص حملات قلبی را متحول کند و نتایج سریع‌تر و دقیق‌تری ارائه دهد. محققان الگوریتمی ایجاد کرده‌اند که هدف آن کاهش بار روی بخش‌های اورژانس و ارائه اطمینان خاطر به بیمارانی است که درد قفسه سینه را تجربه می‌کنند.

بر اساس یک مطالعه اخیر، این الگوریتم با رد دقیق حملات قلبی در بیش از دو برابر تعداد بیماران، از روش‌های آزمایش موجود بهتر عمل کرد و به میزان دقت قابل توجه 99.6 درصد دست یافت. این تیم تحقیقاتی از دانشگاه ادینبورگ معتقد است که این قابلیت برای حذف سریع حمله قلبی می تواند به طور قابل توجهی پذیرش در بیمارستان را کاهش دهد و به سرعت بیمارانی را که می توانند با خیال راحت به خانه بازگردند شناسایی کند.

شیوه های فعلی منجر به تشخیص اشتباه، به ویژه در میان زنان می شود
در حال حاضر، روش استاندارد برای تشخیص حمله قلبی شامل اندازه گیری سطح پروتئین تروپونین در جریان خون است. با این حال، این رویکرد یک آستانه جهانی را برای همه بیماران به کار می گیرد، بدون توجه به عواملی مانند سن، جنسیت، و سایر شرایط بهداشتی زمینه ای که می توانند بر سطح تروپونین تأثیر بگذارند. در نتیجه، دقت تشخیص حمله قلبی به خطر می افتد.

مطالعات قبلی نشان داده است که زنان 50 درصد بیشتر احتمال دارد که تشخیص اولیه نادرست دریافت کنند و افرادی که تشخیص اشتباه را تجربه می کنند با 70 درصد بیشتر خطر مرگ و میر در 30 روز روبرو هستند.

تیم تحقیقاتی الگوریتم جدیدی به نام CoDE-ACS را به عنوان راه حل بالقوه برای رفع این مشکل معرفی کرده است. این الگوریتم با استفاده از داده‌های 10038 بیمار در اسکاتلند که با حملات قلبی مشکوک به بیمارستان مراجعه کردند، توسعه یافت.

CoDE-ACS، تغییر دهنده بازی
CoDE-ACS اطلاعات مختلف بیمار را که به طور معمول جمع آوری می شود، شامل سن، جنسیت، نتایج الکتروکاردیوگرام (ECG)، سابقه پزشکی و سطوح تروپونین، برای پیش بینی احتمال ابتلای یک فرد به حمله قلبی می کند. این الگوریتم یک امتیاز احتمال از 0 تا 100 برای هر بیمار ایجاد می کند.

پروفسور نیکلاس میلز، سرپرست این تحقیق، بر اهمیت تشخیص و درمان به موقع برای بیمارانی که درد حاد قفسه سینه ناشی از حمله قلبی را تجربه می‌کنند، تاکید کرد. او چالش‌های موجود در تمایز بین شرایط مختلفی را که علائم مشابهی را نشان می‌دهند، اذعان کرد و تشخیص دقیق را به یک فرآیند پیچیده تبدیل کرد.

پروفسور نیلش سامانی، مدیر پزشکی بنیاد قلب بریتانیا که بودجه این تحقیق را تامین کرده است، پتانسیل بسیار زیاد استفاده از داده ها و هوش مصنوعی را برای ارتقای مراقبت از بیمار و افزایش کارایی در بخش های اورژانس شلوغ بیان کرد.

درد قفسه سینه یک شکایت رایج است که افراد را به دنبال مراقبت در بخش های اورژانس در سراسر جهان می برد. پزشکان با چالش روزانه تمایز بین بیمارانی که به دلیل حمله قلبی دچار درد قفسه سینه می‌شوند و افرادی که دلایل جدی‌تری دارند، روبرو هستند.

نعمت بزرگ برای بخش ها و بخش های اورژانس
توسعه CoDE-ACS، با استفاده از علم داده های پیشرفته و تکنیک های هوش مصنوعی، نوید شناسایی دقیق و حذف حملات قلبی را در مقایسه با روش های فعلی دارد. این ابزار این پتانسیل را دارد که با تسریع در روند تشخیص و ارائه نتایج بهتر برای بیماران، دپارتمان های اورژانس را متحول کند.

تنها در انگلستان، سالانه حدود 100000 بستری در بیمارستان به دلیل حملات قلبی وجود دارد که معادل یک بستری در هر پنج دقیقه است. در حال حاضر آزمایش‌های بالینی در اسکاتلند برای ارزیابی اثربخشی ابزار هوش مصنوعی در کمک به پزشکان برای کاهش فشار بر بخش‌های اورژانس پرجمعیت در حال انجام است.

یافته های تحقیق در مجله Nature Medicine منتشر شده است و اهمیت و اعتبار مطالعه را برجسته می کند.

همه را بخوانید آخرین خبرها، اخبار پرطرفدار، اخبار کریکت، اخبار بالیوود،
اخبار هند و اخبار سرگرمی اینجا. ما را در فیسبوک دنبال کنید، توییتر و اینستاگرام