به گزارش مشرق به نقل از مدیکال اکسپرس، فیبریلاسیون دهلیزی (ضربان قلب نامنظم و اغلب سریع) یک بیماری شایع است که اغلب منجر به تشکیل لخته‌هایی در قلب می‌شود که می‌توانند به مغز بروند و باعث سکته مغزی شوند. همانطور که در مطالعه منتشر شده در Circulation توضیح داده شد، تیمی به رهبری محققان در بیمارستان عمومی ماساچوست (MGH) و موسسه Broad MIT و هاروارد روشی مبتنی بر هوش مصنوعی را برای شناسایی بیمارانی که در معرض خطر ابتلا به فیبریلاسیون دهلیزی هستند توسعه داده‌اند؛ بنابراین از اقدامات پیشگیرانه بهره‌مند شوید.

بیشتر بخوانید

تغییر لهجه با هوش مصنوعی ۶ میلیون دلاری

محققان روش مبتنی بر هوش مصنوعی را برای پیش‌بینی خطر فیبریلاسیون دهلیزی طی پنج سال آینده بر اساس نتایج الکتروکاردیوگرام (تست‌های غیرتهاجمی که سیگنال‌های الکتریکی قلب را ثبت می‌کنند) در ۴۵۷۷۰ بیمار که مراقبت‌های اولیه را در MGH دریافت می‌کنند، توسعه دادند، سپس، دانشمندان روش خود را در سه مجموعه داده بزرگ از مطالعات شامل ۸۳۱۶۲ فرد به کار بردند.

روش مبتنی بر هوش مصنوعی خطر فیبریلاسیون دهلیزی را به تنهایی پیش‌بینی می‌کرد و وقتی با عوامل خطر بالینی شناخته شده برای پیش‌بینی فیبریلاسیون دهلیزی ترکیب شد، هم افزایی داشت. این روش همچنین در زیرمجموعه‌هایی از افراد مانند افرادی که نارسایی قلبی یا سکته قبلی داشتند، بسیار پیش بینی کننده بود.

 استیون لوبیتز،الکتروفیزیولوژیست قلب در MGH و عضو وابسته در Broad و نویسنده ارشد می‌گوید: ما نقش الگوریتم‌های هوش مصنوعی مبتنی بر الکتروکاردیوگرام را برای کمک به شناسایی افرادی که در معرض بیشترین خطر فیبریلاسیون دهلیزی هستند، می‌بینیم. کاربرد چنین الگوریتم‌هایی می‌تواند پزشکان را ترغیب کند تا عوامل خطر مهم فیبریلاسیون دهلیزی را اصلاح کنند که ممکن است خطر ابتلا به بیماری را به طور کلی کاهش دهد.

به گفته لوبیتز این الگوریتم می‌تواند به عنوان یک ابزار پیش غربالگری برای بیمارانی که ممکن است در حال حاضر فیبریلاسیون دهلیزی شناسایی نشده را تجربه کنند، عمل کند و پزشکان را وادار کند تا فیبریلاسیون دهلیزی را با استفاده از مانیتورهای طولانی مدت ریتم قلب جستجو کنند که به نوبه خود می‌تواند منجر به اقدامات پیشگیری از سکته شود.

یافته‌های این مطالعه همچنین قدرت بالقوه هوش مصنوعی که در این مورد شامل نوع خاصی به نام یادگیری ماشینی است، برای پیشرفت پزشکی را نشان می‌دهد.

آنتونی فیلیپاکیس، یکی از نویسندگان این مقاله می‌گوید: با انفجار فناوری‌های علم داده و حجم عظیم داده‌های بالینی در دسترس، یادگیری ماشینی آماده است تا به پزشکان و محققان کمک کند تا گام‌های بزرگی در افزایش مراقبت‌های قلب بردارند. من به عنوان یک دانشمند داده و متخصص قلب سابق، مشتاقم ببینم روش‌های مبتنی بر یادگیری ماشین چگونه می‌توانند با آزمایش‌ها و رویکردهای بالینی که ما هر روز برای کمک به بهبود پیش‌بینی خطر و مراقبت از بیماران مبتلا به فیبریلاسیون دهلیزی استفاده می‌کنیم، کار کنند.