تجزیه و تحلیل اسکن‌های چشم بیمارانی که در معرض حمله قلبی اند با هوش مصنوعی

حمله قلبی

اخبار تکنولوژی

هوش مصنوعی می‌تواند با استفاده از اسکن‌های چشم بیمارانی که در معرض حمله قلبی هستند را شناسایی و حالات آن‌ها را تجزیه و تحلیل کند…

دانشمندان یک سیستم هوش مصنوعی (AI)  را بوجود آورده‌اند که می‌تواند اسکن‌های چشمی را که در طی یک معاینه ساده از یک چشم‌پزشک یا کلینیک چشم گرفته شده است را تجزیه و تحلیل کند و بیمارانی را که در معرض خطر حمله قلبی قرار دارند را شناسایی کند.

پزشکان دریافته‌اند که تغییرات رگ‌های خونی کوچک در شبکیه، نشانه‌ای از بیماری‌های عروقی گسترده‌تر، از جمله مشکلات قلبی است.

در این تحقیق که توسط دانشگاه لیدز انجام شد، از مکانیزم یادگیری عمیق (deep learning) برای برنامه ریزی سیستم هوش مصنوعی در جهت خواندن خودکار اسکن‌های شبکیه و شناسایی افرادی که در آینده احتمال حمله قلبی داشتند، استفاده شد.

یادگیری عمیق مجموعه پیچیده‌ای از الگوریتم‌ها است که رایانه‌ها را قادر می‌سازد تا الگوهای موجود در داده‌ها را شناسایی کرده و پیش بینی کنند.

محققان در مجله Nature Machine Intelligence بیان کردند که دقت سیستم هوش مصنوعی بین 70 تا 80 درصد است و می‌تواند به عنوان یک مکانیسم کمکی برای تحقیقات مختلف قلبی عروقی استفاده شود.

استفاده از یادگیری عمیق در تجزیه و تحلیل اسکن شبکیه می‌تواند روش غربالگری دوره‌ای بیماران برای علائم بیماری قلبی را متحول کند.

تجزیه و تحلیل اسکن‌های چشم بیمارانی که در معرض حمله قلبی اند با هوش مصنوعی

 

پروفسور الکس فرانگی که دارای کرسی Diamond Jubilee در پزشکی در دانشگاه لیدز است و در موسسه آلن تورینگ عضو است، این تحقیق را رهبری کرد. وی گفت: بیماری‌های قلبی عروقی، از جمله حملات قلبی، عامل اصلی مرگ زودرس در سراسر جهان و دومین عامل مرگ در بریتانیا است.

این تکنیک امکان بروز انقلابی جدید در غربالگری بیماری قلبی را فراهم می‌کند. اسکن شبکیه نسبتاً ارزان است و به طور معمول در بسیاری از عمل‌های بینایی سنجی استفاده می‌شود. در نتیجه غربالگری خودکار، بیمارانی که در معرض خطر بالای بیماری قلب و عروق هستند می‌توانند به خدمات تخصصی قلب ارجاع داده شوند.

این اسکن همچنین می‌تواند برای ردیابی علائم اولیه بیماری قلبی استفاده شود.

همچنین اخبار علمی بیشتری را مطالعه فرمایید:

هوش مصنوعی می‌تواند عود مجدد بیماری کرون را با موفقیت پیش‌بینی کند!

فناوری هوش مصنوعی برای بهبود سلامت روان

الگوریتم هوش مصنوعی جنایات آینده را یک هفته قبل از حادثه با دقت 90 درصد پیش بینی می‌کند!

Chris Gale، پروفسور پزشکی قلب و عروق در دانشگاه لیدز و مشاور قلب و عروق در بیمارستان‌های آموزشی لیدز، NHS Trust، یکی از محققین این مقاله تحقیقاتی بود.

وی گفت: “سیستم هوش مصنوعی این پتانسیل را دارد که افرادی را که در غربالگری معمول چشم شرکت می‌کنند و در معرض خطر بیشتر بیماری قلبی عروقی در آینده هستند، شناسایی کند؛ به این ترتیب درمان‌های پیشگیرانه می‌تواند زودتر برای جلوگیری از بیماری‌های قلبی عروقی زودهنگام شروع شود.”

تجزیه و تحلیل اسکن‌های چشم بیمارانی که در معرض حمله قلبی اند با هوش مصنوعی

یادگیری عمیق

در طی فرآیند یادگیری عمیق، سیستم هوش مصنوعی اسکن شبکیه و اسکن قلب بیش از 5000 نفر را تجزیه و تحلیل کرد. سیستم هوش مصنوعی ارتباط بین آسیب شناسی در شبکیه چشم و تغییرات در قلب بیمار را شناسایی کرد.

هنگامی که الگوهای اسکن چشم برنامه ریزی شد، سیستم هوش مصنوعی می‌تواند اندازه و کارایی پمپاژ بطن چپ، یکی از چهار حفره قلب، را تنها از طریق اسکن شبکیه تخمین بزند. بزرگ شدن بطن با افزایش خطر بیماری قلبی مرتبط است.

با اطلاعات مربوط به اندازه تخمینی بطن چپ و کارایی پمپاژ آن همراه با داده‌های اولیه جمعیت شناختی در مورد بیمار، سن و جنس آنها، سیستم هوش مصنوعی می‌تواند خطر حمله قلبی را در 12 ماه آینده پیش بینی کند.

 

در حال حاضر، جزییات مربوط به اندازه و کارایی پمپاژ بطن چپ بیمار تنها در صورتی قابل تعیین است که وی آزمایش‌های تشخیصی مانند اکوکاردیوگرافی یا تصویربرداری رزونانس مغناطیسی قلب داشته باشد. این آزمایش‌های تشخیصی می‌توانند گران باشند و اغلب فقط در یک محیط بیمارستانی در دسترس هستند و در کشورهایی که سیستم‌های مراقبت بهداشتی یا منابع مالی کمتری دارند این سیستم در آنها غیرقابل دسترس است.

مترجم:محمدمعین باشی

منبع 

همچنین مطالب علمی بیشتری مطالعه فرمایید:

‌سرطان‌ها‌ی خون

لوسمی دوران کودکی (CHILDHOOD LEUKEMIA) چیست؟

از این مطلب چقدر راضی بودید؟

روی ستاره کلیک کنید تا نظرتون ثبت بشه

5 / 5. تعداد رای دهندگان: 1

تا حالا امتیازی برای این مطلب ثبت نشده؛ با ثبت نظرتون مارو خوشحال می‌کنید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *