ممکن است یک روش جدید مبتنی بر هوش مصنوعی برای تحلیل نوار قلب، به پزشکان کمک کند بیمارانی که در معرض خطر سکته قلبی قرار دارند، سریعتر و با هزینه کمتر شناسایی کنند. پژوهش جدیدی که در "کلینیک مایو"(Mayo Clinic) آمریکا انجام شده نشان میدهد که یک سیستم هوش مصنوعی میتواند اختلال در بطن چپ قلب را شناسایی کند. این اختلال، در حال حاضر فقط با استفاده از آزمایشهای پرهزینه و زمانبر، قابل تشخیص است.معمولا اختلال در بطن چپ قلب، پیش از سکته قلبی رخ میدهد اما معمولا نشانههای آن هنگامی ظاهر میشوند که بیش از حد دیر شده است. تخمین زده شده که بین سه تا شش درصد از جمعیت جهان، از اختلال در بطن چپ قلب رنج میبرند اما بررسی این مشکل، دشوار است.بهترین روش تشخیص این اختلال، در حال حاضر روشهای تصویربرداری از جمله سی.تیاسکن و نوار قلب هستند. برای بررسی این مشکل، معمولا آزمایش خون هم انجام میشود اما نتایج آن، متناقض هستند.گروه پژوهشی کلینیک مایو، امکان آموزش شبکه عصبی را در تشخیص این اختلال مورد بررسی قرار دادند و برای این کار از دادههای نوار قلب بیماران استفاده کردند. گرفتن نوار قلب، یک روش ارزان و سریع است که در همه مطبها در دسترس قرار دارد.
"پاول فریدمن"(Paul Friedman)، از نویسندگان این پژوهش گفت: روش ارزان و در دسترس نوار قلب که میتوان آن را در زمان کوتاهی انجام داد و پردازش دیجیتالی این دادهها با کمک هوش مصنوعی، روشهای امیدوارکنندهای برای بهبود سلامت بیماران و حفظ زندگی آنها هستند.پژوهشگران، دادههای مربوط به 600 هزار بیمار را به همراه نتایج نوار قلب آنها به این سیستم آموزش دادند. سپس الگوریتم، روی مجموعه دادههای بیش از 50 هزار بیمار مورد آزمایش قرار گرفت و نتایج مثبتی با دقت 85 درصد ارائه داد.این سیستم توانست با موفقیت بیمارانی که بیشتر در معرض خطر ابتلا به اختلال در بطن چپ قلب بودند، مشخص کند.بیمارانی که نتیجه بررسی هوش مصنوعی آنها مثبت بود اما نشانه قابل تشخیص دیگری در آنها دیده نمیشد، نسبت به کسانی که نتیجه آزمایش آنها منفی بود، چهار برابر بیشتر در معرض خطر ابتلا به این اختلال قرار داشتند.فریدمن افزود: این سیستم علاوه بر تشخیص بیماری، خطر ابتلا به آن در آینده را نیز مشخص میکند و از عهده شناسایی آن در مراحل ابتدایی و پیش از ضعف عضلات قلب برمیآید.به کار بردن ابزار مبتنی بر هوش مصنوعی برای تصویربرداری پزشکی، تحول چشمگیری در خدمات تشخیص بیماری ایجاد میکند. این سیستمها میتوانند الگوهای مربوط به دادههای تصویربرداری را که شاید از چشم متخصصان دور بمانند، تشخیص دهند. بدون شک، این ابزار میتوانند در آینده به پزشکان کمک کنند تا بیماریهای کشنده را پیش از گسترش آنها در بدن شناسایی کنند.این پژوهش، در مجله "Nature Medicine" به چاپ رسید.