به لطف یک الگوریتم جدید هوش مصنوعی، حملات قلبی به زودی با سرعت و دقت بهتری تشخیص داده میشوند. پژوهشگران «دانشگاه ادینبرو»، الگوریتمی را ابداع کردهاند که به گفته آنها میتواند فشار روی بخش اورژانس را کاهش دهد و به بیمارانی که از درد قفسه سینه رنج میبرند، کمک کند.
بررسیها نشان میدهد که در مقایسه با روشهای آزمایشی کنونی، الگوریتم دانشگاه ادینبرو میتواند حمله قلبی را در بیش از دو برابر تعداد بیماران با دقت ۹۹.۶ درصد تشخیص دهد. پژوهشگران گفتند که این توانایی در تشخیص سریع حمله قلبی میتواند میزان پذیرش در بیمارستان را تا اندازه زیادی کاهش دهد و بیمارانی را که برای رفتن به خانه مشکلی ندارند، به سرعت شناسایی کند.
استاندارد طلایی کنونی برای تشخیص حمله قلبی، اندازهگیری سطح پروتئین «تروپونین» در خون است اما این آستانه برای همه بیماران استفاده میشود؛ به این معنی که عواملی مانند سن، جنسیت و سایر مشکلات سلامتی که در سطح تروپونین نقش دارند و بر میزان دقت تشخیص حمله قلبی تأثیر میگذارند، در نظر گرفته نمیشوند.
پژوهشهای پیشین نشان دادهاند که زنان تا ۵۰ درصد بیشتر در معرض تشخیص اولیه اشتباه هستند و افرادی که تشخیص اشتباه در مورد آنها صورت میگیرد، ۷۰ درصد بیشتر در معرض خطر مرگ پس از ۳۰ روز قرار دارند.
پژوهشگران دانشگاه ادینبرو گفتند که الگوریتم جدید آنها موسوم به «CoDE-ACS»، فرصتی برای جلوگیری از این مشکل است. این الگوریتم با استفاده از دادههای ۱۰۰۳۸ بیمار در اسکاتلند ساخته شد که به دلیل حمله قلبی مشکوک به بیمارستان مراجعه کرده بودند.
الگوریتم برای پیشبینی احتمال حمله قلبی در یک بیمار، از اطلاعات جمعآوریشده متداول مانند سن، جنسیت، نوار قلب، سابقه پزشکی و همچنین سطح تروپونین استفاده میکند. نتیجه به عنوان امتیاز احتمال از صفر تا ۱۰۰ برای هر بیمار ارائه میشود.
پروفسور «نیکلاس میلز»، سرپرست این پژوهش گفت: تشخیص و درمان زودهنگام بیماران مبتلا به درد حاد قفسه سینه ناشی از حمله قلبی، میتواند جان آنها را نجات بدهد اما بیماریهای بسیاری باعث ایجاد این علائم رایج میشوند و تشخیص همیشه ساده نیست. استفاده از دادهها و هوش مصنوعی برای حمایت از تصمیمات بالینی، پتانسیل بسیار زیادی برای بهبود مراقبت از بیماران و کارآیی در بخشهای اورژانس شلوغ دارد.
پروفسور «نیلش سامانی»، مدیر پزشکی «بنیاد قلب بریتانیا»(BHF) که بودجه این پژوهش را تامین کرده است، گفت: درد قفسه سینه یکی از شایعترین دلایل مراجعه مردم به بخش اورژانس است. پزشکان سراسر جهان هر روز با این چالش روبهرو میشوند که بیمارانی را که درد آنها ناشی از حمله قلبی است، از کسانی که درد آنها ناشی از یک مشکل کمتر جدی است، جدا کنند. الگوریتم CoDE-ACS که با استفاده از دادههای پیشرفته و هوش مصنوعی ابداع شده است، میتواند حمله قلبی را با دقت بیشتری نسبت به روشهای کنونی تشخیص دهد. این الگوریتم میتواند تحولی را در بخش اورژانس ایجاد کند، زمان لازم برای تشخیص را کاهش دهد و برای بیماران بسیار بهتر باشد.
آمار نشان میدهد که در بریتانیا، سالانه حدود ۱۰۰ هزار مورد بستری شدن در بیمارستان به دلیل حملات قلبی وجود دارد که معادل یک مورد در هر پنج دقیقه است.
آزمایشهای بالینی اکنون در اسکاتلند در حال انجام شدن هستند تا ارزیابی شود که آیا الگوریتم جدید هوش مصنوعی میتواند به پزشکان کمک کند تا فشار وارده بر بخش پر ازدحام اورژانس را کاهش دهند.
بررسیها نشان میدهد که در مقایسه با روشهای آزمایشی کنونی، الگوریتم دانشگاه ادینبرو میتواند حمله قلبی را در بیش از دو برابر تعداد بیماران با دقت ۹۹.۶ درصد تشخیص دهد. پژوهشگران گفتند که این توانایی در تشخیص سریع حمله قلبی میتواند میزان پذیرش در بیمارستان را تا اندازه زیادی کاهش دهد و بیمارانی را که برای رفتن به خانه مشکلی ندارند، به سرعت شناسایی کند.
استاندارد طلایی کنونی برای تشخیص حمله قلبی، اندازهگیری سطح پروتئین «تروپونین» در خون است اما این آستانه برای همه بیماران استفاده میشود؛ به این معنی که عواملی مانند سن، جنسیت و سایر مشکلات سلامتی که در سطح تروپونین نقش دارند و بر میزان دقت تشخیص حمله قلبی تأثیر میگذارند، در نظر گرفته نمیشوند.
پژوهشهای پیشین نشان دادهاند که زنان تا ۵۰ درصد بیشتر در معرض تشخیص اولیه اشتباه هستند و افرادی که تشخیص اشتباه در مورد آنها صورت میگیرد، ۷۰ درصد بیشتر در معرض خطر مرگ پس از ۳۰ روز قرار دارند.
پژوهشگران دانشگاه ادینبرو گفتند که الگوریتم جدید آنها موسوم به «CoDE-ACS»، فرصتی برای جلوگیری از این مشکل است. این الگوریتم با استفاده از دادههای ۱۰۰۳۸ بیمار در اسکاتلند ساخته شد که به دلیل حمله قلبی مشکوک به بیمارستان مراجعه کرده بودند.
الگوریتم برای پیشبینی احتمال حمله قلبی در یک بیمار، از اطلاعات جمعآوریشده متداول مانند سن، جنسیت، نوار قلب، سابقه پزشکی و همچنین سطح تروپونین استفاده میکند. نتیجه به عنوان امتیاز احتمال از صفر تا ۱۰۰ برای هر بیمار ارائه میشود.
پروفسور «نیکلاس میلز»، سرپرست این پژوهش گفت: تشخیص و درمان زودهنگام بیماران مبتلا به درد حاد قفسه سینه ناشی از حمله قلبی، میتواند جان آنها را نجات بدهد اما بیماریهای بسیاری باعث ایجاد این علائم رایج میشوند و تشخیص همیشه ساده نیست. استفاده از دادهها و هوش مصنوعی برای حمایت از تصمیمات بالینی، پتانسیل بسیار زیادی برای بهبود مراقبت از بیماران و کارآیی در بخشهای اورژانس شلوغ دارد.
پروفسور «نیلش سامانی»، مدیر پزشکی «بنیاد قلب بریتانیا»(BHF) که بودجه این پژوهش را تامین کرده است، گفت: درد قفسه سینه یکی از شایعترین دلایل مراجعه مردم به بخش اورژانس است. پزشکان سراسر جهان هر روز با این چالش روبهرو میشوند که بیمارانی را که درد آنها ناشی از حمله قلبی است، از کسانی که درد آنها ناشی از یک مشکل کمتر جدی است، جدا کنند. الگوریتم CoDE-ACS که با استفاده از دادههای پیشرفته و هوش مصنوعی ابداع شده است، میتواند حمله قلبی را با دقت بیشتری نسبت به روشهای کنونی تشخیص دهد. این الگوریتم میتواند تحولی را در بخش اورژانس ایجاد کند، زمان لازم برای تشخیص را کاهش دهد و برای بیماران بسیار بهتر باشد.
آمار نشان میدهد که در بریتانیا، سالانه حدود ۱۰۰ هزار مورد بستری شدن در بیمارستان به دلیل حملات قلبی وجود دارد که معادل یک مورد در هر پنج دقیقه است.
آزمایشهای بالینی اکنون در اسکاتلند در حال انجام شدن هستند تا ارزیابی شود که آیا الگوریتم جدید هوش مصنوعی میتواند به پزشکان کمک کند تا فشار وارده بر بخش پر ازدحام اورژانس را کاهش دهند.
کد خبر ۲۰۱۰۲۰۲۴.۴۲۸