کلینیک مایو ماه گذشته مطالعه ای را منتشر کرد که نشان می دهد می توان از الگوریتم هوش مصنوعی (AI) برای تشخیص بهتر بیماری قلبی به نام کسر جهش کم استفاده کرد که گامیست در تلاش برای ادغام هوش مصنوعی در مراقبت های قلبی به طور گسترده تر.

جزئیات مطالعه:

برای این مطالعه ، مایو کلینیک ابتدا یک الگوریتم با استفاده از نوعی شبکه عصبی با هدف غربالگری این بیماری ایجاد کرد ، این زمانی اتفاق می افتد که قلب نتواند با قدرت کافی منقبض شود تا حداقل نیمی از خون را از محفظه خود خارج کند. طبق MedCity News ، از اکوکاردیوگرام به طور معمول برای تشخیص این بیماری استفاده می شود ، ممکن است هزینه بر و طولانی باشد. در مقایسه ، این الگوریتم - که هدف آن گرفتن بیمارانی است که در غیر این صورت در مراقبتهای معمول از بین می روند - به یک الکتروکاردیوگرام (EKG) ، یک دستگاه غربالگری رایج که سیگنال الکتریکی قلب را ارزیابی می کند ، متکی است.

بیمارانی که الگوریتم آنها را دارای این بیماری می داند ، سپس تحت اکوکاردیوگرام قرار می گیرند. برای آزمایش الگوریتم ، PCP ها در 45 مرکز در مینه سوتا و ویسکانسین از این روش در طی یک آزمایش 8 ماهه استفاده کردند. در آن زمان ، بیش از 22000 بیمار EKG را به عنوان بخشی از مراقبت های معمول خود دریافت کردند.

آن دسته از بیماران به طور تصادفی به دو گروه تقسیم شدند:

گروه کنترل ، در آنجا مراقبت های معمول خود را ادامه دادند و گروهی جداگانه ، که به پزشکان دسترسی به نتایج هوش مصنوعی داده شد. به طور کلی ، هوش مصنوعی 6٪ بیماران را به عنوان بالقوه مبتلا به این بیماری پرچم گذاری می کند ، در مقایسه با مراقبت های معمولی ، تشخیص کلی کسر جهشی کم را 32٪ افزایش می دهد.

به عبارت دیگر ، طبق گفته Xiaoxi Yao ، نویسنده اصلی این تحقیق و محقق نتایج بهداشتی در بیماری های قلبی عروقی ، این الگوریتم در مقایسه با استاندارد معمول مراقبت ، برای هر 1000 بیمار پنج تشخیص جدید ایجاد کرد.

ابتکار عمل هوش مصنوعی گسترده تر این الگوریتم یکی از چندین مایو است که برای شرایط قلبی ایجاد شده است. طبق اخبار STAT ، این یکی از مراحل اولیه کلینیک برای ترکیب هوش مصنوعی در مراقبت های قلبی در مایو است و - از طریق nference و Anumana - این فناوری در جای دیگرنیز استفاده می شود. به عنوان مثال ، علاوه بر الگوریتم کسر جهش کم ، مایو الگوریتم هایی برای تشخیص فشار خون ریوی ، کاردیومیوپاتی هیپرتروفیک و فیبریلاسیون دهلیزی (A-fib) ایجاد کرده است. به عنوان مثال ، یک مطالعه اخیر در مورد داده های EKG تاریخی نشان داد که الگوریتم می تواند با دقت A-fib را تقریباً در 80 درصد از بیمارانی که مبتلا به این بیماری هستند ، پیش بینی کند. و مایو در حال حاضر درگیر یک مطالعه است تا ببیند آیا این الگوریتم می تواند A-fib شناخته نشده را بهتر تشخیص دهد ، با این امید که سرانجام بتواند بدون نیاز به تأیید بیشتر برای تشخیص بیماری استفاده کند- امکان درمان سریعتر را دارد.

با این حال ، طبق STAT News ، حتی متخصصان قلب و عروق که مایل به استفاده بیشتر از هوش مصنوعی در مراقبت های قلبی هستند ، در مورد تلفیق ابزار محتاط هستند ، زیرا این اطلاعات می تواند با هدف قرار دادن موثرتر و موثرتر بیماری - یا آسیب رساندن به طور بالقوه ایجاد عوارض یا تحریک مراقبت های غیر ضروری ، کمک کند. .

هارلان کرومهولز ، متخصص قلب و عروق و مدیر مرکز تحقیقات نتایج و گفت: "همانطور که قادر به تولید اطلاعات دقیق تر هستیم ، فشار بر ما برای اثبات اینکه می توانیم از این دانش برای کمک به بیماران استفاده کنیم بیشتر خواهد شد.

" ارزیابی در دانشگاه ییل ، گفت. " هنوز درک چگونگی استفاده صحیح از این جهت منافع افراد خیلی زوداست . برای بیماران مبتلا به بیماری های قلبی خاص مانند A-fib ، تشخیص لزوماً به این معنا نیست که بیمار از اقدامات پزشکی یا اضافی بهره مند می شود. اما استفاده از غربالگری به طور خودکار باعث می شود که بدون توجه به مایکل روزنبرگ ، متخصص الکتروفیزیولوژیست در دانشگاه کلرادو ، تحت مراقبت های اضافی قرار بگیرند. وی توضیح داد: غربالگری فقط به میزان مراقبت های بهداشتی افراد کمک می کند. "به همین دلیل شما باید مراقب باشید. این فقط به یک جهت می رود."

هنوز هم بیمارانی که در مطالعات مایو از استفاده از هوش مصنوعی بهره مند شده اند این پیشرفت را تحسین می کنند. به عنوان مثال ،بیماری پیتر مارکلین ، 73 ساله ، مدیر بازنشسته امور مالی بیمارستان در مایو ، از طریق الگوریتم مایو با A-fib تشخیص داده شد. وی گفت: "برای من ، فوق العاده خوب نتیجه گرفت." "یکی از بهترین چیزهای پزشکی در حال حاضر این است که همه این مانیتورهای از راه دور دارند که می توانند علائم بیشتری را پیدا کنند که می توانند به جای انتظار برای اتفاق بد ، از روی آنها پرش کنند - و سپس رفع آن بسیار سخت تر و بسیار گران تر "

 201000312.033