هدهد ویژن

هوش مصنوعی می‌تواند خطر بیماری‌های قلبی را از فعالیت قلب در خواب پیش‌بینی کند

منتشرشده: · به‌روزرسانی: · فناوری

هوش مصنوعی می‌تواند خطر بیماری‌های قلبی را از فعالیت قلب در خواب پیش‌بینی کند

پژوهشگران نشان دادند که با تحلیل الکتریکی قلب در حین خواب، هوش مصنوعی می‌تواند خطر ابتلا به بیماری‌های قلبی‌عروقی را در ده سال آینده تخمین بزند.

پژوهشگران با توسعه مدلی مبتنی بر هوش مصنوعی، نشان دادند که بررسی فعالیت الکتریکی قلب در حین خواب می‌تواند به شناسایی افرادی کمک کند که در آینده بیشتر در معرض بیماری‌های قلبی‌عروقی قرار دارند.

این روش فقط به داده‌های ثبت‌شده از یک لید الکتروکاردیوگرام (ECG) نیاز دارد که هنگام خواب روی قفسه‌ی سینه قرار می‌گیرد. هوش مصنوعی با تحلیل این اطلاعات می‌تواند خطر بروز ضربان نامنظم قلب، سکته مغزی، نارسایی قلبی و حتی مرگ ناشی از علل مختلف را در بازه‌ای ۱۰ ساله تخمین بزند.

مدل یادگیری عمیق با استفاده از داده‌های نزدیک به ۱۶ هزار بیمار آموزش داده شد و سپس با دو گروه مستقل شامل نزدیک به ۱۰ هزار و ۱۳ هزار بیمار ارزیابی شد. هوش مصنوعی توانست افراد را بر اساس میزان خطر بلندمدت بیماری‌های قلبی‌عروقی دسته‌بندی کند، حتی پس از در نظر گرفتن عوامل خطر شناخته‌شده مانند سن، جنسیت، دیابت، فشار خون بالا و استعمال دخانیات.

افرادی که هوش مصنوعی آن‌ها را در گروه‌های پرخطر قرار داد، در معرض بیماری‌های قلبی‌عروقی بیشتری بودند؛ خطر نامنظم‌شدن ضربان قلب بین ۱۰۳ تا ۱۷۲ درصد، سکته مغزی بین ۱۹ تا ۴۰ درصد، نارسایی قلبی بین ۶۹ تا ۱۳۳ درصد و مرگ ناشی از هر علت بین ۶۵ تا ۸۲ درصد بیشتر بود. این اعداد افزایش نسبی خطر را نشان می‌دهند و به معنای ابتلای قطعی افراد به بیماری نیستند.

در آزمایش پلی‌سومنوگرافی (PSG) که برای تشخیص اختلالات خواب استفاده می‌شود، معمولاً فعالیت الکتریکی قلب نیز ثبت می‌شود، اما پزشکان اغلب تنها زمانی به این داده‌ها توجه می‌کنند که نشانه‌ای آشکار از مشکلات قلبی وجود داشته باشد. پژوهش جدید نشان می‌دهد که تغییرات ظریف فعالیت قلب در حین خواب می‌توانند اطلاعات ارزشمندی درباره سلامت آینده ارائه دهند.

پژوهشگران دریافتند که ترکیب داده‌های ECG با اطلاعات مراحل خواب، قدرت پیش‌بینی مدل‌ها را برای فیبریلاسیون دهلیزی تا ۶ درصد، نارسایی قلبی تا ۹ درصد و پیش‌بینی مرگ‌ومیر تا ۷ درصد بهبود می‌بخشد. گرین کلیفورد، استاد مهندسی زیست‌پزشکی در موسسه فناوری جورجیا، افزود که افزودن امتیاز مدل یادگیری عمیق به عوامل خطر شناخته‌شده می‌تواند به تشخیص زودهنگام بیماری‌های قلبی‌عروقی کمک کند.

بااین‌حال، روش جدید هنوز به بررسی‌های بیشتری نیاز دارد و نمی‌تواند ابتلای قطعی افراد به بیماری را پیش‌بینی کند. پژوهشگران امیدوارند در آینده بتوان از آن در آزمایش‌های معمول خواب برای غربالگری بیماران و شناسایی زودهنگام خطرات قلبی‌عروقی استفاده کرد.

پژوهش در ژورنال SLEEP منتشر شده است.

خبرهای مرتبط