نارسایی قلبی و هوش مصنوعی: یک الگوریتم رایانه ای مبتنی بر هوش مصنوعی (AI) که توسط محققان کوه سینا ایجاد شده بود ، قادر به یادگیری نحوه تشخیص تغییرات ظریف در نوار قلب (همچنین به عنوان ECG یا EKG شناخته می شود) برای پیش بینی اینکه آیا بیمار دچار نارسایی قلبی است یا خیر.

الگوریتم های خودآموز مشکلات نارسایی قلبی را تشخیص می دهند

Benjamin S. Glicksberg ، PhD ، استادیار علوم ژنتیک و ژنومیک ، عضو موسسه دیجیتال Hasso Plattner ، گفت: "ما نشان دادیم که الگوریتم های یادگیری عمیق می توانند مشکلات پمپاژ خون را در دو طرف قلب از داده های شکل موج ECG تشخیص دهند." Health at Mount Sinai ، و نویسنده ارشد این مطالعه که در مجله کالج قلب آمریکا منتشر شده است: تصویربرداری قلب و عروق.

"به طور معمول ، تشخیص این نوع بیماری های قلبی به روش های گران و زمان بر نیاز دارد.

ما امیدواریم که این الگوریتم بتواند تشخیص سریعتر نارسایی قلبی را امکان پذیر کند. "

این مطالعه توسط Akhil Vaid ، MD ، یک محقق فوق دکتری که در هر دو آزمایشگاه Glicksberg کار می کند ، Girish N. Nadkarni ، MD ، MPH ، CPH ، دانشیار پزشکی در دانشکده پزشکی Icahn در Mount Sinai ، رئیس بخش پزشکی مبتنی بر داده و دیجیتال (D3M) و نویسنده ارشد این مطالعه.

نارسایی قلبی یا نارسایی احتقانی قلب در حدود 6.2 میلیون آمریکایی را تحت تاثیر قرار می دهد ، زمانی که قلب خون کمتری از نیاز بدن به طور طبیعی پمپاژ می کند.

سالهاست که پزشکان برای ارزیابی اینکه آیا بیمار دچار نارسایی قلبی است یا خیر ، به روش تصویربرداری به نام اکوکاردیوگرام تکیه کرده اند.

اکوکاردیوگرام می تواند مفید باشد ، اما می تواند روشهای سختی باشد که فقط در بیمارستانهای منتخب ارائه می شود.

با این حال ، پیشرفت های اخیر در هوش مصنوعی نشان می دهد که الکتروکاردیوگرام - یک دستگاه ضبط الکتریکی که بسیار مورد استفاده قرار می گیرد - می تواند یک جایگزین سریع و در دسترس در این موارد باشد.

به عنوان مثال ، بسیاری از مطالعات نشان داده اند که چگونه یک الگوریتم "یادگیری عمیق" می تواند ضعف در بطن چپ قلب را تشخیص دهد ، که خون تازه اکسیژن دار را به بقیه بدن منتقل می کند.

در این مطالعه ، محققان توسعه الگوریتمی را توصیف کردند که نه تنها قدرت بطن چپ بلکه بطن راست را نیز ارزیابی می کرد ، که جریان خون بدون اکسیژن را از بدن خارج کرده و به ریه ها پمپ می کند.

"اگرچه جذاب است ، به طور سنتی استفاده از نوار قلب برای تشخیص نارسایی قلبی برای پزشکان چالش برانگیز بوده است.

این امر تا حدی به این دلیل است که هیچ معیار تشخیصی برای این ارزیابی ها وجود ندارد و برخی تغییرات در بازخوانی نوار قلب به سادگی برای چشم انسان بسیار نامحسوس است. "

"این مطالعه نشان دهنده یک گام هیجان انگیز به جلو در یافتن اطلاعات پنهان در داده های ECG است که می تواند منجر به غربالگری و پارادایم های درمانی بهتر با استفاده از یک آزمایش نسبتا ساده و در دسترس شود."

به طور معمول ، الکتروکاردیوگرام شامل یک فرآیند دو مرحله ای است.

سیم های سیمی به قسمت های مختلف سینه بیمار چسبانده می شوند و در عرض چند دقیقه یک دستگاه قابل حمل مخصوص طراحی شده ، یک سری خطوط پیچیده یا شکل موج را نشان می دهد که نشان دهنده فعالیت الکتریکی قلب است.

این دستگاه ها را می توان در اکثر بیمارستان ها یافت و آمبولانس ها در سراسر ایالات متحده و نیاز به حداقل آموزش برای فعالیت دارد.

برای این مطالعه ، محققان یک کامپیوتر را برای خواندن الکتروکاردیوگرام بیماران به همراه داده های استخراج شده از گزارش های کتبی که نتایج اکوکاردیوگرام های مربوطه را از همان بیماران گرفته شده بود ، برنامه ریزی کردند.

در این وضعیت ، گزارش های مکتوب به عنوان یک مجموعه استاندارد از داده ها برای رایانه عمل می کرد تا با داده های الکتروکاردیوگرام مقایسه شود و نحوه تشخیص قلب ضعیف را بیاموزد.

تجهیزات ECG؟ از نمایشگاه ZOLL در نمایشگاه اضطراری دیدن کنید

نارسایی قلبی: برنامه های پردازش زبان طبیعی به رایانه کمک می کند تا داده ها را از گزارش های مکتوب استخراج کند

در همین حال ، شبکه های عصبی خاصی که قادر به کشف الگوها در تصاویر هستند ، برای کمک به الگوریتم برای تشخیص نقاط قوت پمپاژ ، گنجانده شد.

دکتر وید می گوید: "ما می خواستیم با توسعه هوش مصنوعی که بتواند تمام قلب را به راحتی و ارزان قیمت بفهمد ، پیشرفت کنیم."

سپس رایانه بیش از 700,000 گزارش الکتروکاردیوگرام و اکوکاردیوگرام را که از 150,000،2003 بیمار سیستم بهداشت مونت سینا از سال 2020 تا XNUMX بدست آمده بود ، مطالعه کرد.

داده های چهار بیمارستان برای آموزش رایانه استفاده شد ، در حالی که داده های یک بیمارستان پنجم برای آزمایش نحوه عملکرد الگوریتم در یک محیط آزمایشی متفاوت استفاده شد.

دکتر نادکارنی می گوید: "مزیت بالقوه این مطالعه این است که شامل یکی از بزرگترین مجموعه های ECG از یکی از متنوع ترین جمعیت بیماران در جهان بود."

نتایج اولیه نشان می‌دهد که این الگوریتم در پیش‌بینی اینکه کدام بیماران بطن چپ سالم یا بسیار ضعیف دارند، مؤثر است.

در اینجا قدرت با بیرون راندن بطن چپ ، برآوردی از میزان بطن خارج شده از بطن با هر ضربه ، همانطور که در اکوکاردیوگرام مشاهده می شود ، تعیین می شود.

قلب سالم دارای کسر خروجی 50 درصد یا بیشتر است در حالی که قلبهای ضعیف دارای قلبهایی برابر یا زیر 40 درصد هستند.

این الگوریتم 94 درصد در پیش بینی اینکه کدام بیماران دارای کسر خروجی سالم بودند و 87 درصد در پیش بینی کسانی که کسر خروجی زیر 40 درصد داشت دقیق بود.

محافظت از قلب و احیای قلب و عروق؟ برای یادگیری بیشتر ، از نمایشگاه EMD112 در نمایشگاه اضطراری دیدن کنید

با این حال ، این الگوریتم در پیش بینی اینکه چه بیمارانی قلبشان را کمی تضعیف می کند ، م asثر نبود

در این مورد ، این برنامه 73 درصد در پیش بینی بیمارانی که کسری خارج کننده داشتند بین 40 تا 50 درصد دقیق بود.

نتایج بیشتر نشان داد که این الگوریتم همچنین تشخیص نقاط ضعف دریچه راست از نوار قلب را آموخته است.

در این مورد ، ضعف با اصطلاحات توصیفی بیشتر استخراج شده از گزارش های اکوکاردیوگرام مشخص شد.

در اینجا الگوریتم 84 درصد در پیش بینی اینکه کدام بیماران دارای دریچه راست ضعیف هستند ، دقیق بود.

دکتر وید گفت: "نتایج ما نشان داد که این الگوریتم ممکن است در نهایت به پزشکان در تشخیص درست نارسایی در دو طرف قلب کمک کند."

در نهایت ، تجزیه و تحلیل اضافی نشان داد که الگوریتم ممکن است در تشخیص ضعف قلب در همه بیماران ، صرف نظر از نژاد و جنسیت مثر باشد.

دکتر گلیکسبرگ افزود: "نتایج ما نشان می دهد که این الگوریتم می تواند یک ابزار مفید برای کمک به پزشکان بالینی در مبارزه با نارسایی قلبی ناشی از انواع بیماران باشد." "ما در حال طراحی دقیق آزمایشات آینده برای آزمایش اثربخشی آن در یک محیط واقعی تر هستیم."

این مطالعه توسط موسسه ملی بهداشت (TR001433) پشتیبانی شد.

مقاله ها

وید ، A. ، و همکاران ، با استفاده از الگوریتم های یادگیری عمیق برای تشخیص همزمان اختلال عملکرد بطن راست و چپ از طریق نوار قلب ، مجله کالج قلب آمریکا: تصویربرداری قلب ، 13 اکتبر 2021 ، DOI: 10.1016/j.jcmg.2021.08.004 .XNUMX.

همچنین بخوانید:

التهابات قلب: میوکاردیت ، اندوکاردیت عفونی و پریکاردیت

سوفل قلب: چیست و چه زمانی باید نگران بود

سندرم قلب شکسته در حال افزایش است: ما کاردیومیوپاتی تاکوتسوبو را می شناسیم

منبع:

کوه سینا