هوش مصنوعی

هوش مصنوعی (AI) به پیش بینی مرگ و میر در اثر بیماری های قلبی کمک می کند.

یک مطالعه‌ی جدید از موسسه‌ی Francis crick نشان می‌دهد که استفاده از هوش مصنوعی (AI) در پیش بینی خطر مرگ در بیماران مبتلا به بیماری های قلبی، بهتر از مدل های طراحی شده توسط متخصصان پزشکی است.

این مطالعه که در PLOS One منتشر شد، به شواهد رو به رشدی افزوده می‌شود که هوش مصنوعی (AI) می‌تواند مراقبت های بهداشتی در انگلستان را متحول کند. تا کنون تاکید بر توانایی AI یا هوش مصنوعی برای کمک به تشخیص و درمان بیماری های مختلف بوده است، اما این یافته های جدید نشان می‌دهد که می‌تواند پیش بینی احتمال مرگ و میر بیماران را نیز ممکن سازد.

Andrew steele، دانشمند موسسه‌ی Francis crick و اولین نویسنده‌ی این مقاله می‌گوید:

 طول نخواهد کشید تا پزشکان به طور مرتب از این نوع ابزار در کلینیک استفاده کنند تا تشخیص و پیش بینی های بهتر را انجام دهند، که می‌تواند به آن ها کمک کند که بهترین راه مراقبت از بیماران خود را تعیین کنند. پزشکان در حال حاضر از ابزار های مبتنی بر کامپیوتر برای تشخیص این که آیا بیمار در معرض خطر بیماری قلبی است، استفاده می‌کنند و یادگیری ماشین اجازه می‌دهد که مدل های دقیق تر برای طیف گسترده‌ای از شرایط ایجاد شود.


بیشتر بخوانید: ۵۰ درصد بیماران قلبی عروقی از بیماری های متعدد رنج میبرند.


 مدل هدایت شده

این مدل با استفاده از اطلاعات سلامت الکترونیکی بیش از ۸۰۰۰۰ بیمار که به عنوان بخشی از مراقبت های روزانه جمع آوری شده است و برای محققان روی سکوی CALIBER که در دسترس است، طراحی شده است.

دانشمندان در موسسه‌ی Francis crick با کمک همکاران خود در موسسه‌ی تحقیقات کامپیوتری سلامت Farr و بیمارستان دانشگاه لندن تلاش کردند که یک مدل برای بیماری عروق کرونر که علت اصلی مرگ و میر در انگلستان می‌باشد، ایجاد کنند که از کارشناسان با استفاده از تکنیک های یادگیری ماشین بهتر از آموخته های خود بهره وری کنند.

بیماری عروق کرونر هنگامی ایجاد می‌شود که رگ های اصلی خون که قلب را با خون، اکسیژن و مواد معدنی تامین می‌کنند، آسیب دیده و یا توسط رسوبات چربی مسدود شده است. در نهایت جریان خون به قلب کم می‌شود و می‌تواند منجر به درد قفسه‌ی سینه و تنگی نفس شود، در حالیکه یک انسداد کامل می‌تواند باعث حمله‌ی قلبی شود.

یک مدل پیش بینی ساخت حرفه‌ای برای بیماران عروق کرونر مقایسه و طراحی شد که این کار با پیش بینی های ساخته شده توسط متخصصان پزشکی بر اساس ۲۷ متغیر انتخاب شده مانند سن، جنس، درد قفسه‌ی سینه و … انجام شد. در مقابل، تیم Crick، الگوریتم های AI یا هوش مصنوعی خود را برای آموزش، جستجوی الگوها و انتخاب مناسب ترین متغیر ها از مجموعه ای دریافت کرد.

مدل جدید هدایت شده، نه تنها مدل های تخصص یافته‌ی طراحی شده را در پیش بینی مرگ و میر بیماران سوق داد، بلکه متغیر های جدیدی را که پزشکان به آن فکر نکرده بودند، شناسایی کرد.

Andrew می‌گوید:

 همرا با عواملی مانند سن و اینکه آیا بیمار دودی است یا نه، مدل های ما بازدید از GP خود را به عنوان یک پیش بینی خوب مرگ و میر بیماران به ارمغان می‌آورد. ملاقات از بیمار در خانه، مسئله ای است که یک متخصص قلب در حیطه‌ی زیست شناسی بیماری های قلبی و عروقی آن را پر اهمیت به شمار نمی آورد، اما شاید نشانه های خوبی باشد که باعث شود بیمار خودش را به پزشک متخصص خود بسپارد و یک متغیر مفید برای کمک به مدل پیش بینی باشد.

 

این مطالعه اثبات اصلی‌ برای مقایسه‌ی مدل های تخصصی طراحی شده با رویکرد های یادگیری ماشین است، اما یک مدل مشابه در آینده‌ای نه چندان دور ممکن است در کلنیک ها اجرا شود.

Andrew می‌گوید:

یادگیری ماشین، ابزاری بسیار قدرتمند در پزشکی است و توانایی انقلابی در نحوه‌ی ارائه‌ی خدمات به بیماران در آینده ای نه چندان دور دارد.