هوش مصنوعی در نوار قلب، خطر مرگ ناگهانی را آشکار می کند

پژوهشگران با کمک هوش مصنوعی و تحلیل صدها هزار نوار قلب، نشانه‌های پنهانی از خطر مرگ ناگهانی قلبی را شناسایی کرده‌اند؛ نشانه‌هایی که روش‌های رایج ممکن است از تشخیص آن‌ها بازبمانند.

.4 دیدگاه
هوش مصنوعی در نوار قلب، خطر مرگ ناگهانی را آشکار می کند

4 دقیقه

دنبال کردن در گوگل

تصور کنید نوار قلبی که برای بررسی‌های معمول گرفته شده، بی‌سروصدا خطری مرگبار را آشکار کند که هیچ‌کس انتظارش را نداشته است. زمزمه‌ای در شکل موج؛ افت‌وخیزی کوچک که می‌تواند مرز میان روزی عادی و فاجعه‌ای بزرگ باشد.

ایست قلبی ناگهانی هر سال صدها هزار بار در ایالات متحده رخ می‌دهد. مرگ ناگهانی قلبی سالانه جان حدود ۳۰۰ هزار آمریکایی را می‌گیرد و ممکن است عامل نزدیک به ۱۵ درصد مرگ‌ومیرها در سراسر جهان باشد. بااین‌حال، بسیاری از افرادی که جان خود را از دست می‌دهند، هیچ نشانه هشداردهنده آشکاری ندارند. پزشکان می‌توانند دستگاه‌های دفیبریلاتور را برای اصلاح ریتم‌های مرگبار قلبی کاشت کنند، اما چالش اصلی این بوده است که مشخص شود واقعاً چه کسانی به این دستگاه نیاز دارند.

امروزه پزشکان معمولاً برای تشخیص افراد در معرض خطر بالا، کسر جهشی بطن چپ را که با سونوگرافی اندازه‌گیری می‌شود، بررسی می‌کنند. این روش بی‌نقص نیست. بسیاری از افرادی را که بعدها دچار مرگ ناگهانی قلبی می‌شوند شناسایی نمی‌کند و درعین‌حال، افراد زیادی را در گروه پرخطر قرار می‌دهد که هرگز به دستگاه قابل‌کاشت نیاز پیدا نمی‌کنند. نتیجه، از یک سو مرگ‌هایی است که می‌شد از آن‌ها پیشگیری کرد و از سوی دیگر، اقدامات درمانی غیرضروری.

رویکردی تازه، قلب را از زاویه‌ای متفاوت بررسی می‌کند. پژوهشگرانی به سرپرستی زیاد اوبرمایر، پزشک و دانشمند هوش مصنوعی، مدل‌های یادگیری عمیق را با استفاده از آرشیوی عظیم از نوارهای قلب آموزش دادند. این آرشیو شامل بیش از ۴۴۰ هزار ثبت از سوئد بود. سپس سامانه را با نزدیک به ۱۴۰ هزار نوار قلب از ایالات متحده و نیز گروهی از بیماران در تایوان ارزیابی کردند. هدف، جایگزین کردن پزشکان نبود، بلکه یافتن الگوهای الکتریکی پنهانی بود که خطر مرگ ناگهانی را پیش‌بینی می‌کنند.

این سامانه الگوهایی را بررسی کرد که چشم انسان دهه‌ها از دیدنشان ناتوان مانده بود و گروه کوچکی از بیماران را با ویژگی‌هایی متمایز شناسایی کرد. در نمونه سوئدی، هوش مصنوعی ۲٫۲ درصد افراد را پرخطر تشخیص داد؛ از میان آن‌ها، ۷ درصد طی یک سال دچار مرگ ناگهانی قلبی شدند. در مقابل، کسر جهشی بطن چپ ۱٫۹ درصد افراد را پرخطر دانست و ۴٫۶ درصد این گروه در همان بازه زمانی بر اثر مرگ ناگهانی قلبی جان باختند. نکته مهم این است که هم‌پوشانی دو روش محدود بود و کسر جهشی بطن چپ بیش از چهار نفر از هر پنج بیمار پرخطری را که هوش مصنوعی شناسایی کرده بود، از قلم انداخت.

در میان بیمارانی که هوش مصنوعی آن‌ها را پرخطر تشخیص داد، میزان مرگ ناگهانی در افرادی که دفیبریلاتور کاشته بودند، حدود ۵۴٫۴ درصد کمتر از میزان مورد انتظار بود. این یافته بر داده‌های مشاهده‌ای استوار است و رابطه علت‌ومعلولی را اثبات نمی‌کند، اما نشان می‌دهد شناسایی زودتر افراد در معرض خطر شاید بتواند جان انسان‌ها را نجات دهد.

یافته‌ای شگفت‌انگیزتر این بود که پژوهشگران با استفاده از روش‌های تصویری‌سازی، استدلال‌های درونی مدل را بررسی کردند و به ویژگی‌ای در شکل موج رسیدند که پیش‌تر توصیف نشده بود. این الگو که به‌صورت افتی کُند و کشیده در رد نوار قلب توصیف شده، در بیمارانی که مدل آن‌ها را پرخطر تشخیص داده بود، بیشتر دیده می‌شد. این افت ممکن است بازتابی از زخم یا فیبروز در عضله قلب باشد؛ اختلالی ظریف در مسیر انتقال پیام‌های الکتریکی که در خوانش‌های معمول به‌ندرت ثبت می‌شود.

آیا این کشف واقعاً تازه است؟ نوار قلب بیش از یک قرن است که از ابزارهای اصلی پزشکی به شمار می‌رود. بااین‌حال، این یافته‌ها نشان می‌دهند که داده‌های آن هنوز پیام‌هایی ناخوانده در خود دارند. نگاهی مبتنی بر یادگیری ماشینی، در کنار ارزیابی دقیق و تفسیر انسانی، می‌تواند نشانه‌هایی را آشکار کند که درک ما از کارکرد بدن را گسترش می‌دهند و ما را از پیش‌بینی صرف به سوی کشف‌های تازه می‌برند.

پیامدهای این رویکرد کاربردی است. نوار قلب ارزان، غیرتهاجمی و به‌طور گسترده در دسترس است. اگر الگوریتمی که اعتبار آن تأیید شده بتواند بیمارانی را که کسر جهشی بطن چپ از شناسایی‌شان بازمی‌ماند، با اطمینان مشخص کند، پزشکان ابزار قدرتمندی برای اولویت‌بندی بیماران خواهند داشت: می‌توانند افراد را برای آزمایش‌های بیشتر شناسایی کنند، کاشت دفیبریلاتور را در نظر بگیرند یا درمان‌های پیشگیرانه را در جایی به کار ببرند که بیشترین فایده را دارند. بااین‌حال، هنوز کارهای زیادی باقی مانده است. برای تأیید اینکه اقدام بر اساس این نشانه‌های شناسایی‌شده به‌وسیله هوش مصنوعی واقعاً مرگ‌ومیر را کاهش می‌دهد، باید کارآزمایی‌های آینده‌نگر انجام شود. همچنین باید اطمینان حاصل کرد که هر روش غربالگری تازه‌ای به بیماران سود می‌رساند و به آن‌ها آسیب نمی‌زند.

پژوهشگران تاکنون نشان داده‌اند که یک آزمایش قدیمی پزشکی هنوز حرف‌های ناگفته‌ای دارد. گام بعدی، گوش سپردن دقیق‌تر است تا این نشانه‌های ضعیف و کشیده بتوانند راهنمای تصمیم‌هایی هوشمندانه‌تر برای نجات جان انسان‌ها باشند.

فرشاد واحدی
به دنیای علم خوش اومدی! من فرشاد هستم، کنجکاو برای کشف رازهای جهان و نویسنده مقالات علمی برای آدم‌های کنجکاو مثل خودت!

نظر بگذارید

نظرات (4)

سام_ن

خوبه ولی انگار یه خورده اغراق شده، داده‌های مشاهده‌ای نشون‌گر رابطه نیستند، باید با آزمون‌های قویتر تائید بشه. اما ایده جالبه

رضا

تو بیمارستان دیدم یه ECG ساده، یه مورد عجیب نشون داد؛ این تحقیق منطقیه، امیدوارم به کار پزشکا بیاد

بیونیکس

این داده‌ها امیدوارکننده‌ست اما واقعا، تا وقتی کارآزمایی‌های آینده‌نگر نباشه، چقدر میشه بهش اطمینان کرد؟ چرا همممش ساده نمی‌گن 🤔

دیتاپالس

وااای، یعنی نوار قلب ساده می‌تونه این‌قدر راز داشته باشه؟ خیلی هیجان‌انگیز و در عین حال ترسناک… ممکنه زندگی یکیو نجات بده!