جریان آنلاین (/): ایست ناگهانی قلبی سالانه جان افراد بسیاری را در سراسر جهان میگیرد. این عارضه که با حمله قلبی تفاوت اساسی دارد، بر اثر اختلال در سیستم الکتریکی قلب رخ میدهد و برخلاف حمله قلبی که معمولاً ناشی از انسداد رگهای خونی است، به یکباره و بدون هشدار قبلی ظاهر میشود. در چنین وضعیتی، قلب توانایی پمپاژ مؤثر خون را از دست داده و بیمار طی چند ثانیه بیهوش میشود و بدون درمان فوری مانند احیای قلبی-ریوی و استفاده از دستگاه شوک الکتریکی، در عرض چند دقیقه جان خود را از دست میدهد.
این عارضه نه تنها سالمندان مبتلا به بیماریهای قلبی را تهدید میکند، بلکه جوانانی را نیز درگیر میسازد که ظاهراً کاملاً سالم به نظر میرسند. به همین دلیل، پزشکان سالهاست که به دنبال روشی برای شناسایی افرادی هستند که بیشترین خطر را دارند. اکنون نتایج پژوهش جدید دانشگاه کالیفرنیا برکلی نشان میدهد که هوش مصنوعی میتواند در این زمینه تحولی بزرگ ایجاد کند.
به گزارش ایسنا؛ در این پژوهش، سیستم هوش مصنوعی برای تحلیل نوار قلب (ECG) به کار گرفته شده است؛ آزمایشی ساده و در دسترس که فعالیت الکتریکی قلب را ثبت میکند. پژوهشگران به سرپرستی زیاد اوبرمایر بیش از ۴۴۰ هزار نوار قلب ثبتشده در سوئد را جمعآوری کرده و آنها را با اطلاعات رسمی مرگ و میر مقایسه کردند. هوش مصنوعی موفق شد الگوهای بسیار ظریف الکتریکی را در دادهها شناسایی کند؛ الگوهایی که در افرادی دیده میشد که بعداً بر اثر ایست ناگهانی قلبی جان باخته بودند.
این سیستم پس از آموزش با هزاران پرونده پزشکی از بیمارستانهای آمریکا و تایوان مورد آزمایش قرار گرفت. نتایج حاکی از آن بود که هوش مصنوعی توانسته است گروهی را با خطر سالانه حدود ۷ درصد شناسایی کند، در حالی که روش رایج غربالگری که بیشتر میزان خون پمپاژشده توسط قلب را اندازهگیری میکند، گروهی با خطر سالانه ۴.۶ درصد شناسایی میکند. این افزایش دقت میتواند به نجات جان هزاران نفر از طریق درمان زودهنگام منجر شود.
اهمیت این دستاورد در آن است که برای بیماران پرخطر، درمان مؤثری از پیش وجود دارد. دستگاههای دفیبریلاتور قابل کاشت به طور مداوم ریتم قلب را پایش کرده و در صورت بروز اختلال خطرناک، به طور خودکار شوک الکتریکی نجاتبخش وارد میکنند. با این حال، چالش اصلی همواره تشخیص دقیق این بوده که چه افرادی واقعاً به چنین دستگاهی نیاز دارند. بسیاری از بیماران این وسیله را دریافت میکنند اما هرگز به آن احتیاج پیدا نمیکنند، در حالی که برخی دیگر که کمخطر به نظر میرسند، بدون هیچ هشدار قبلی جان خود را از دست میدهند.
پژوهشگران حدود ۱۰ سال را صرف جمعآوری، سازماندهی و تحلیل دادههای پزشکی مورد نیاز برای آموزش و آزمایش این مدل کردند. به گفته آنها، دسترسی به پایگاههای داده بزرگ و باکیفیت پزشکی، شرط اساسی برای توسعه مراکز داده قابل اعتماد هوش مصنوعی در حوزه سلامت است. این گروه پژوهشی اکنون با بیمارستانهایی در سوئد، تایوان و آمریکا همکاری میکند تا عملکرد این فناوری را در شرایط واقعی درمانی ارزیابی کند.
با وجود نتایج امیدوارکننده، پژوهشگران تأکید کردهاند که این سیستم هنوز آماده جایگزینی پزشکان نیست و پیش از ورود به مراقبتهای درمانی روزمره، به آزمایشهای بالینی بیشتری نیاز دارد. همچنین هنوز مشخص نیست که استفاده از این فناوری واقعاً میزان مرگ و میر را کاهش میدهد یا خیر و این موضوع باید در مطالعات آینده تأیید شود. با این حال، این یافتهها گامی مهم در مسیر پزشکی شخصیسازیشده محسوب میشود و اگر نتایج فعلی در تحقیقات آینده نیز تأیید شود، میتواند به پزشکان کمک کند تا خطر پنهان مرگ ناگهانی قلبی را زودتر تشخیص دهند، از انجام اقدامات درمانی غیرضروری بکاهند و جان بسیاری از بیمارانی را که ظاهراً سالم هستند، نجات دهند.
پایگاه خبری جریان/ جریان آنلاین (/)