محققان دانشگاه می‌سی‌سی‌پی تراشه کوچکی مناسب برای دستگاه‌های پوشیدنی توسعه داده‌اند که می‌تواند حمله قلبی را به صورت لحظه‌ای و با دقت بالا تشخیص دهد.
به گزارش تکناک، این تیم امیدوار است که این فناوری در آینده در دستگاه‌های پزشکی نجات‌بخش به‌کار گرفته شود.
این محققان یک روش ریاضی مؤثر به نام تبدیل فوریه سریع (FFT) را برای تحلیل سیگنال‌های الکتروکاردیوگرام (ECG) با شبکه‌های عصبی مصنوعی ترکیب کرده‌اند، که این سیگنال‌ها را به عنوان «نرمال» یا «مشابه حمله قلبی» طبقه‌بندی می‌کند. این ترکیب در یک تراشه کم‌مصرف جای گرفته و به گفته تیم پژوهشی، دقت تشخیص ۹۲.۴۱ درصد را به دست آورده است، که نسبت به سایر روش‌ها برتری دارد.
برخلاف برخی دستگاه‌های مشابه موجود در بازار که از هوش مصنوعی برای شناسایی الگوهای داده ECG در فضای ابری یا در اپلیکیشن‌های همراه استفاده می‌کنند، این فناوری جدید امکان تحلیل لحظه‌ای و مستقیم را در خود دستگاه پوشیدنی فراهم کرده است. این ویژگی باعث می‌شود که فرد در صورت وقوع حمله قلبی به سرعت هشدار دریافت کند و زودتر به مراقبت‌های پزشکی مراجعه نماید. این موضوع می‌تواند در نجات جان بیمار یا جلوگیری از آسیب جدی در هنگام انفارکتوس میوکارد (نام دیگر حمله قلبی) بسیار حیاتی باشد.
البته باید توجه داشت که تکنیک FFT مدت‌ها است وجود دارد و بسیاری از شرکت‌های فعال در حوزه پایش ECG مانند Fourth Frontier نیز هوش مصنوعی را در فرایندهای خود به کار می‌گیرند. اما تشخیص مبتنی بر هوش مصنوعی در سطح تراشه، ایده‌ای نوآورانه می‌باشد که هنوز به مرحله‌ای نرسیده است تا پزشکان بتوانند آن را برای بیماران تجویز کنند.
چالش‌های زیادی برای ساخت دستگاه پوشیدنی تشخیص حمله قلبی وجود دارد. در مرحله اول باید سخت‌افزار تا حد امکان کوچک و در قالب دستگاهی خوش‌طراحی بسته‌بندی شود تا فرد بتواند به صورت مداوم آن را بپوشد، در حالی که محدودیت‌های ثبت دقیق ECG در چنین قالب کوچکی نیز باید رعایت شود.
سپس باید نرم‌افزار به گونه‌ای تنظیم شود که بتواند به درستی علائم ST elevation را شناسایی کند، که نشانه وقوع حمله قلبی در ECG هستند و هم‌زمان از بروز خطاهای منفی کاذب و مثبت کاذب جلوگیری کند. در نهایت، این فناوری باید استانداردهای سختگیرانه نهادهای نظارتی مانند سازمان غذا و داروی آمریکا (FDA) را طی کند و اثبات نماید که دقیقاً همان کاری را انجام می‌دهد که ادعا کرده است.
حتی پس از عبور از این مرحله نیز سازمان‌های نظارتی باید سطح دقت دستگاه را به عنوان استاندارد بپذیرند. به همین دلیل است که محصولاتی مانند Apple Watch که قابلیت ثبت ECG را دارند، نمی‌توانند به طور رسمی ادعا کنند که می‌توانند وقوع حمله قلبی را پیش‌بینی نمایند.
بنابراین تیم دانشگاه می‌سی‌سی‌پی راه طولانی در پیش دارد تا فناوری تراشه‌ای خود را به محصولی تجاری و قابل نسخه‌نویسی تبدیل کند.
این پژوهشگران نتایج مطالعه خود را در ماه مارس در نشریه Intelligent Systems, Blockchain and Communication Technologies منتشر کرده‌اند و قصد دارند این روش ترکیبی هوش مصنوعی و تحلیل داده را در حوزه‌های دیگری نیز گسترش دهند.
دکتر کاسم خلیل، استاد مهندسی برق و کامپیوتر و نویسنده اصلی این تحقیق گفت: «ما می‌خواهیم با چنین فناوری‌هایی، مشکلات زیادی مانند حملات قلبی، تشنج یا زوال عقل را پیش‌بینی کنیم یا تشخیص دهیم. نوع بیماری در تعیین نوع شناسایی مؤثر است، اما هدف ما پیدا کردن روش‌های سریع‌تر و کارآمدتر برای این کار است.»
