هوش مصنوعی تشخیص فیبریلاسیون دهلیزی را بهبود می‌بخشد

نیل یوان، نویسنده مطالعه و دانشمند موسسه قلب اسمیت در لس آنجلس، گفت: « فیبریلاسیون دهلیزی می‌تواند بوجود آمده و از بین برود، بنابراین ممکن است در لحظه ویزیت پزشک وجود نداشته باشد. این الگوریتم هوش مصنوعی بیمارانی را شناسایی می‌کند که ممکن است فیبریلاسیون دهلیزی داشته باشند، حتی زمانی که در مطالعه اکوکاردیوگرافی آنها وجود نداشته باشد.»

در طول فیبریلاسیون دهلیزی، که معمولاً A-Fib نامیده می‌شود، حفره‌های فوقانی قلب گاهی با حفره‌های پایینی همگام می‌شوند، اما نه همیشه، که همین امر تشخیص آن را دشوار می‌کند. بیش از بیست سال است که روند مرگ و میر ناشی از A-Fib رو به افزایش است.

تیم یوان این نظریه را مطرح کرد که هوش مصنوعی می‌تواند برای تجزیه و تحلیل تصاویر اکوکاردیوگرام آموزش ببیند و به پزشکان کمک کند تا تغییرات ظریف در قلب بیمارانی که آریتیمی آنها تشخیص داده نشده است را شناسایی کنند. اکوکاردیوگرام از امواج صوتی برای تولید تصاویر قلب استفاده می‌کند.

 

در حالی که برخی از بیماران مبتلا به A-Fib دارای تپش قلب، تنگی نفس و سایر علائمی هستند که منجر به تشخیص می‌شود، گاهی اوقات A-Fib  اصلاً هیچ علامتی ایجاد نمی‌کند. در صورت عدم درمان، A-Fib  می‌تواند باعث نارسایی قلبی و سکته شود. تا سال 2030، حدود 12.1 میلیون آمریکایی پروژه‌های  A-Fib، مرکز کنترل و پیشگیری از بیماری‌های ایالات متحده را خواهند داشت.

برای این مطالعه جدید، محققان یک برنامه هوش مصنوعی برای مطالعه بیش از 100000 فیلم اکوکاردیوگرافی بیماران A-Fib آموزش دادند. هوش مصنوعی توانست بین ویدئوهایی که ریتم قلب طبیعی و غیرطبیعی را نشان می‌دهند تمایز قائل شود و به درستی پیش‌بینی کند که کدام بیماران در عرض ۹۰ روز به A-Fib مبتلا می‌شوند. به گفته محققان، میزان موفقیت آن بهتر از استفاده از عوامل خطر شناخته شده برای سنجش احتمال ابتلای بیمار به A-Fib بود.

دکتر کریستین آلبرت، رئیس بخش قلب و عروق در موسسه قلب اسمیت، می‌گوید: «این واقعیت که این برنامه پیش‌بینی می‌کرد که کدام بیماران فیبریلاسیون دهلیزی فعال یا پنهان دارند، می‌تواند کاربردهای بالینی زیادی داشته باشد.»
این یافته ها اخیرا در مجله npj Digital Medicine منتشر شده است.