یک رویکرد جدید مبتنی بر هوش مصنوعی می‌تواند به طور قابل توجهی دقیق‌تر از یک پزشک، پیش‌بینی کند که آیا و چه زمانی بیمار ممکن است بر اثر ایست قلبی بمیرد. این فناوری که بر اساس تصاویر خام از قلب بیمار و پیشینه بیمار ساخته شده است، می‌تواند تصمیم‌گیری بالینی را متحول کند و بقای خود را از آریتمی‌های ناگهانی و کشنده قلبی افزایش دهد.
این پروژه توسط محققان دانشگاه جانز هاپکینز رهبری می‌شود.
ناتالیا ترایانووا می گوید: “مرگ ناگهانی قلبی ناشی از آریتمی حدود ۲۰ درصد از کل مرگ و میرها در سراسر جهان را تشکیل می دهد و ما در مورد علت وقوع آن یا چگونگی تشخیص اینکه چه کسی در معرض خطر است، اطلاعات کمی داریم. و پزشکی بیمارانی هستند که ممکن است در خطر مرگ ناگهانی قلبی کم باشند، دفیبریلاتورهایی دریافت می‌کنند که ممکن است به آنها نیازی نداشته باشند و سپس بیماران پرخطری هستند که درمان مورد نیاز خود را دریافت نمی‌کنند و ممکن است در اوج زندگی‌شان بمیرند. کاری که الگوریتم ما می تواند انجام دهد این است که تعیین کند چه کسانی در معرض خطر مرگ قلبی هستند و چه زمانی اتفاق می افتد و به پزشکان اجازه می دهد دقیقا تصمیم بگیرند که چه کاری باید انجام شود.”
این تیم اولین گروهی است که از شبکه های عصبی برای ایجاد ارزیابی بقای شخصی برای هر بیمار مبتلا به بیماری قلبی استفاده می کند. این اقدامات خطر با دقت بالا شانس مرگ ناگهانی قلبی را در طی ۱۰ سال و زمانی که احتمال وقوع آن بیشتر است را فراهم می کند.
این فناوری یادگیری عمیق، مطالعه بقای خطر آریتمی قلبی (SSCAR) نامیده می شود. این نام اشاره ای به اسکار قلبی ناشی از بیماری قلبی دارد که اغلب منجر به آریتمی های کشنده می شود و کلید پیش بینی های الگوریتم است.
محققان این مطالعه از تصاویر قلبی تقویت‌شده با کنتراست بالا استفاده کردند تا الگوریتمی را برای تشخیص الگوها و مواردی که با چشم غیرمسلح قابل مشاهده نیستند، آموزش دهند.
“دن پوپسکو“(Dan Popescu) از دیگر محققان این مطالعه گفت: تصاویر حاوی اطلاعات مهمی هستند که پزشکان قادر به تجزیه و تحلیل دقیق آنها نیستند. زخم‌های(scarring) قلب موجود در تصاویر می‌تواند اطلاعاتی در مورد شانس بقای بیمار و اطلاعاتی که در آن پنهان است، بگوید.
محققان این مطالعه اکنون در حال ساخت الگوریتم‌هایی برای تشخیص سایر بیماری‌های قلبی هستند. به گفته ترایانووا، از مفهوم یادگیری عمیق می‌توان برای سایر رشته‌های پزشکی که مبتنی بر تشخیص بصری است، استفاده کرد.
