یک مدل هوش مصنوعی جدید ساخته شده است که از یادگیری عمیق برای پیش‌بینی خطر 10 ساله مرگ ناشی از حمله قلبی یا سکته با یک عکس اشعه ایکس استفاده میکند.
به گزارش تکناک،یادگیری عمیق از هوش مصنوعی برای یادگیری و مشاهده تصاویر اشعه ایکس برای یافتن الگوهای مرتبط با بیماری های مختلف، در این مورد، سکته مغزی یا حمله قلبی استفاده می کند.
دکتر جاکوب وایس، نویسنده اصلی این مطالعه و رادیولوژیست وابسته به مرکز تحقیقات تصویربرداری قلبی عروقی در بیمارستان عمومی ماساچوست گفت:مدل یادگیری عمیق ما یک راه حل بالقوه برای غربالگری فرصت طلبانه مبتنی بر جمعیت خطر بیماری های قلبی عروقی با استفاده از تصاویر اشعه ایکس قفسه سینه موجود ارائه می دهد.
عکسبرداری با اشعه ایکس از قفسه سینه اطلاعات بیشتری را نسبت به آنچه که محققان در ابتدا پیش بینی می کردند
نشان داد. دکتر ویس افزود: آنچه ما نشان دادیم این است که رادیوگرافی قفسه سینه بیش از یک عکس برداری از قفسه سینه است. با رویکردی مانند این، ما یک اندازه گیری کمی دریافت می کنیم که به ما امکان می دهد اطلاعات تشخیصی و پیش آگهی را ارائه دهیم که به پزشک و بیمار کمک می کند.
داروی استاتین برای درمان
دکتر ویس به دارویی که بیماران می توانند برای درمان احتمالی این دو بیماری استفاده کنند، اشاره کرد. دکتر ویس در بیانیه‌ای اعلام کرد: این نوع غربالگری می‌تواند برای شناسایی افرادی که از داروهای استاتین سود می‌برند، اما در حال حاضر درمان نشده‌اند، استفاده شود.
داروهای استاتین داروهایی هستند که توسط پزشکان برای کاهش سطح کلسترول در خون، کمک به جلوگیری از حملات قلبی و سکته مغزی تجویز می شوند. داروی کاهش دهنده کلسترول می تواند خطر حمله قلبی و سکته را تا 25 درصد کاهش دهد. این دارو ماده ای را در بدن که برای ساختن کلسترول لازم است مختل می کند.
این دستورالعمل ها پیش بینی یک تخمین خطر 10 ساله بیماری قلبی عروقی نامطلوب را توصیه می کنند تا مشخص شود چه کسی باید برای پیشگیری از بیماری استاتین مصرف کند. خطر ابتلا به بیماری با استفاده از فاکتور خطر بیماری قلبی عروقی آترواسکلروتیک (ASCVD) محاسبه می‌شود. این محاسبه خطر ابتلا با مدلی که از متغیرهای مختلفی شامل سن، جنس، نژاد، و آزمایش‌های خون برای تخمین خطر ابتلای فرد به این بیماری استفاده می کنند.
داروی استاتین در حال حاضر برای بیماران با خطر 10 ساله 7.5 درصد یا بالاتر توصیه می شود. با این حال، تعیین اینکه آیا فردی در معرض خطر است یا خیر، اغلب ممکن است دشوار باشد. از آنجایی که اشعه ایکس اغلب به عنوان یک گزینه غربالگری در دسترس است، محققان می توانند از تابش الکترومغناطیسی برای تعیین خطر بیماری استفاده کنند.
دکتر ویس گفت متغیرهای لازم برای محاسبه خطر ASCVD که رویکردهای غربالگری مبتنی بر جمعیت را مطلوب می کند اغلب در دسترس نیستند. از آنجایی که اشعه ایکس قفسه سینه معمولاً به راحتی قابل دسترس است، رویکرد ما ممکن است به شناسایی افراد در معرض خطر کمک کند.
جزئیات مطالعه
دکتر وایس و تیم تحقیقاتی او یک مدل یادگیری عمیق را با استفاده از تنها یک مجموعه داده عکس اشعه ایکس قفسه سینه به عنوان ورودی آموزش دادند. مدلی که آنها ایجاد کردند، ریسک CXR-CVD نام دارد. این مدل با استفاده از 147497 عکس اشعه ایکس قفسه سینه از 40643 شرکت کننده در این مطالعه می تواند خطر مرگ ناشی از بیماری های قلبی عروقی را پیش بینی کند.
بیمارانی که در این مطالعه شرکت کردند تحت کارآزمایی بالینی غربالگری سرطان پروستات، ریه، کولورکتال و تخمدان بودند که توسط موسسه ملی سرطان حمایت می شد.
محققان این مدل را با استفاده از مطالعه دوم روی 11430 شرکت‌کننده آزمایش کردند. میانگین سنی بیماران 60.1 سال و 43 درصد از بیماران مرد بودند. همه شرکت‌کنندگان احتمالاً واجد شرایط درمان با استاتین بودند.
نتایج نشان داد که از 11430 بیمار، 9.6 درصد آنها در طول دوره پیگیری 10 ساله دچار یک عارضه نامطلوب قلبی جدی شدند.
آینده تشخیص بیماری های قلبی عروقی و هوش مصنوعی
محققان می‌خواهند با استفاده از روش‌های سنتی اشعه ایکس و روش‌های نوآورانه شامل هوش مصنوعی، از اطلاعات این مطالعه برای ثبت سریع و دقیق داده‌های بیماران استفاده کنند.دکتر ویس اظهار داشت :ما مدت‌هاست که تشخیص داده‌ایم که اشعه ایکس اطلاعاتی فراتر از یافته‌های تشخیصی سنتی را ثبت میکند، اما از این داده‌ها استفاده نشده بود زیرا روش‌های قوی و قابل اعتمادی برای تشخیص و تفسیر این داده ها وجود نداشته است. پیشرفت در هوش مصنوعی در حال حاضر این امکان را فراهم کرده است.
هوش مصنوعی با پیش‌بینی تشخیص دقیق و گزینه‌های درمانی برای بیمارانی که ممکن است قبلا مورد توجه قرار نگرفته باشند، بخش پزشکی و مراقبت‌های پزشکی را به جلومی‌برد. هوش مصنوعی بسیار سریع و دقیق است و به طور بالقوه جان انسان ها را نجات می دهد و در عین حال نتایج آینده بیماری ها را نیز پیش بینی می کند.
