هوش مصنوعی رازهای قلب را پیش از توقف ناگهانی آن آشکار میکند
سکته قلبی ناگهانی از خطرناکترین بحرانهای پزشکی است، زیرا بهطور ناگهانی و بدون علائم هشداردهنده قبلی رخ میدهد و پیشبینی آن را به چالشی دشوار تبدیل میکند. در ایالات متحده بهتنهایی، بیش از ۳۰۰ هزار نفر سالانه بر اثر این اختلال الکتریکی کشنده جان خود را از دست میدهند؛ اختلالی که حتی جوانان سالم را نیز درگیر میکند و هیچیک از آنها نشانگرهای خطر آشکاری ندارند. اگرچه دستگاههای شوکدهنده قلبی (دفیبریلاتور) وجود دارند که میتوانند جان انسانها را نجات دهند، اما تصمیمگیری درباره اینکه چه کسی واجد شرایط کاشت این دستگاههاست، همچنان بر اساس ارزیابیهای پزشکی نادرست استوار است.
در گامی امیدبخش علمی، محققان دانشگاه کالیفرنیا (برکلی) مدلی از هوش مصنوعی توسعه دادهاند که قادر است نوارهای قلب (ECG) را با دقتی بسیار بالا تحلیل کند و الگوهای الکتریکی پنهانی را که با چشم غیرمسلح قابل مشاهده نیستند، شناسایی نماید. تیم پژوهشی در آموزش این مدل از بیش از ۴۴۰ هزار نوار قلب سوئدی استفاده کرد که با دادههای مرگومیر مرتبط بودند، تا پس از آن بتواند افراد مستعد خطر را با دقتی فوقالعاده تشخیص دهد.
نتایج نشان داد که این روش بر رویکردهای سنتی که بر اندازهگیری کارایی پمپاژ خون استوارند، برتری واضحی دارد. هوش مصنوعی توانست گروهی با خطر بالا را شناسایی کند که نرخ مرگومیر سالانه آنها به ۷ درصد میرسد، در حالی که این نرخ در روشهای استاندارد تنها ۴.۶ درصد بود. این بدان معناست که هزاران مورد اضافی که پیشتر بهعنوان افراد کمخطر در نظر گرفته میشدند، اکنون شناسایی شدهاند.
پژوهشگران این فناوری را مانند یک «جعبه سیاه» برای قلب توصیف میکنند که به کشف الگوهای پنهان پیش از توقف ناگهانی قلب کمک میکند و میتواند درک ما از مکانیسمهای نهفته پشت این پدیده را متحول سازد. در حال حاضر، این مدل در بیمارستانهای آمریکا، سوئد و تایوان در حال آزمایش است تا برای ادغام در سیستمهای پزشکی آماده شود. در صورت موفقیت، این فناوری راه را برای مرحلهای جدید از پزشکی پیشگیرانه هموار میکند؛ جایی که میتوان از آن برای شناسایی بیمارانی که بیشترین نیاز به نظارت یا کاشت دستگاههای نجاتبخش را دارند، استفاده کرد. همچنین ممکن است به برخی افراد امکان دهد تا بهصورت اولیه از سطح خطر خود آگاه شوند که این امر به تقویت پیشگیری شخصی مبتنی بر هوش مصنوعی منجر خواهد شد.
