محققان موسسه درمانی پژوهشی Mayo ادعا می‌کنند که استفاده از هوش مصنوعی (AI) در الکتروکاردیوگرام (EKG) که یک نوع ابزار تشخیصی ارزان قیمت و در دسترس است، آن را به یک شاخص ساده و مقرون به صرفه برای پیشگیری از اختلال بدون علامت بطن چپ تبدیل می‌کند. این تیم تحقیقاتی معتقدند که دقت تکنیک AI / EKG با سایر تکنیک‌های غربالگری رایج مانند ماموگرافی برای سرطان پستان قابل مقایسه است. یافته‌های این مطالعه در ژورنال Nature Medicine به‌چاپ رسیده است.
اختلال بدون علامت بطن چپ با پمپاژ ضعیف قلب و خطر ابتلا به نارسایی قلب همراه است. حدود ۷ میلیون آمریکایی دچار این اختلال قلبی هستند. این بیماری قلبی سبب کاهش کیفیت زندگی و طول عمر فرد می‌شود، این درحالی است که تشخیص آن، میزان بهبود آن را ارتقا می‌دهد. با این حال، هیچ‌گونه ابزار غربالگری ارزان، غیرتهاجمی و بدون درد برای تشخیص این اختلال وجود ندارد. طبق مطالعه موسسه Mayo، بهترین تست غربالگری موجود برای اختلال بدون علامت بطن، اندازه گیری سطح پپتید ناتریورتیک مغزی (BNP) است، که متأسفانه نتایج BNP بسیار ناامید‌کننده گزارش شده است. اختلال در عملکرد بطن چپ معمولا با آزمایش‌های گران‌قیمت و کمتر در دسترس تصویربرداری مانند اکوکاردیوگرام یا سی‌تی اسکن یا MRI تشخیص داده می‌شود.
محققان Mayo در مطالعه خود پیشنهاد کردند با استفاده از یک شبکه عصبی در EKG می‌توان اختلال بدون علامت عملکرد بطن چپ را تشخیص داد. محققان برای آزمایش فرضیه‌ی خود، یک شبکه عصبی معتبر و آزموده‌شده را طراحی کردند و برای این کار از ۶۲۵,۳۲۶ داده دیجیتال ذخیره شده مربوط به EkG و اکوکاردیوگرام درمانگاه استفاده کردند.
نتایج نشان می‌دهند که استفاده از هوش مصنوعی در EKG استاندارد نه‌تنها به طور قابل توجهی اختلال بدون علامت بطن چپ را تشخیص می‌دهد، بلکه با شناسایی زودهنگام تغییرات ظریف EKG که پیش از ضعف عضله قلب رخ می‌دهد، خطر بیماری را نیز در آینده پیش‌بینی می‌کند.
☑ منبع خبر
☑ لینک مقاله
