ایسنا: ایست ناگهانی قلبی سالانه جان افراد زیادی را میگیرد. برخلاف حمله قلبی که معمولا به دلیل انسداد رگهای خونی ایجاد میشود، ایست ناگهانی قلبی زمانی رخ میدهد که سیستم الکتریکی قلب بهطور ناگهانی از کار میافتد.
در این وضعیت، قلب دیگر قادر به پمپاژ موثر خون نیست و فرد طی چند ثانیه بیهوش میشود. بدون درمان فوری، ازجمله احیاء قلبی-ریوی (CPR) و استفاده از دستگاه شوک الکتریکی، بیشتر بیماران طی چند دقیقه جان خود را از دست میدهند.
این عارضه میتواند هم افراد سالمند مبتلا به بیماریهای قلبی و هم جوانانی را درگیر کند که ظاهرا کاملا سالم هستند. از آنجا که این مشکل بدون هشدار قبلی رخ میدهد، پزشکان سالهاست به دنبال راهی برای شناسایی افرادی هستند که در معرض بیشترین خطر قرار دارند.
اکنون نتایج پژوهش جدید دانشگاه کالیفرنیا، برکلی نشان میدهد که هوش مصنوعی میتواند در این زمینه نقش مهمی ایفا کند. در این پژوهش از سیستم هوش مصنوعی برای تحلیل نوار قلب (ECG یا EKG) استفاده شده است، آزمایشی ساده که فعالیت الکتریکی قلب را ثبت میکند و بهطور گسترده در بیمارستانها و مراکز درمانی انجام میشود.
پژوهشگران به سرپرستی زیاد اوبرمایر بیش از ۴۴۰ هزار نوار قلب ثبتشده در سوئد را جمعآوری و آنها را با اطلاعات رسمی مربوط به مرگومیر مقایسه کردند. هوش مصنوعی در این دادهها الگوهای بسیار ظریف الکتریکی را شناسایی کرد؛ این الگوها در افرادی دیده میشد که بعدها به دلیل ایست ناگهانی قلبی جان خود را از دست داده بودند.
این سیستم پس از آموزش، با استفاده از هزاران پرونده پزشکی دیگر از بیمارستانهای آمریکا و تایوان آزمایش شد تا توانایی آن در پیشبینی خطر آینده ارزیابی شود. نتایج امیدوارکننده بود، در مقایسه با روش رایج غربالگری که بیشتر میزان خون پمپاژ شده توسط قلب در هر ضربان را اندازهگیری میکند، هوش مصنوعی توانست تعداد بیشتری از افرادی را شناسایی کند که واقعا در معرض خطر بالای مرگ ناگهانی قلبی بودند.
در روش متداول، گروهی با خطر سالانه حدود ۴.۶ درصد شناسایی میشوند، اما سیستم هوش مصنوعی گروهی را مشخص کرد که خطر سالانه آنان حدود هفت درصد بود. این افزایش دقت میتواند به معنای نجات جان هزاران نفر از طریق درمان زودهنگام باشد.
اهمیت این موضوع در آن است که برای برخی بیماران پرخطر، درمان موثری از قبل وجود دارد. دستگاههای «دفیبریلاتور» قابل کاشت، بهطور مداوم ریتم قلب را پایش و در صورت بروز اختلال خطرناک، بهطور خودکار شوک الکتریکی نجاتبخش وارد میکنند.
با این حال، چالش اصلی همیشه تشخیص این مورد بوده است که چه افرادی واقعا به چنین دستگاهی نیاز دارند. بسیاری از بیماران این وسیله را دریافت میکنند اما هرگز به آن احتیاج پیدا نمیکنند، در حالی که برخی دیگر که کمخطر به نظر میرسند، بدون هیچ هشدار قبلی جان خود را از دست میدهند.
توسعه این سیستم هوش مصنوعی فرآیندی زمانبر بود؛ پژوهشگران حدود ۱۰ سال را به جمعآوری، سازماندهی و تحلیل دادههای پزشکی موردنیاز برای آموزش و آزمایش این مدل کردند. به گفته آنان، دسترسی به پایگاههای داده بزرگ و باکیفیت پزشکی، شرط اساسی برای توسعه مراکز داده قابل اعتماد هوش مصنوعی در حوزه سلامت است.
این گروه پژوهشی اکنون با بیمارستانهایی در سوئد، تایوان و آمریکا همکاری میکند تا عملکرد این فناوری را در شرایط واقعی درمانی ارزیابی کند. بیمارانی که از سوی هوش مصنوعی، پرخطر تشخیص داده شوند، احتمالا ابتدا از دستگاههای پوشیدنی پایش ریتم قلب استفاده خواهند کرد و سپس پزشکان درباره نیاز به کاشت «دفیبریلاتور» تصمیم خواهند گرفت.
با وجود نتایج امیدوارکننده، پژوهشگران تاکید کردند که این سیستم هنوز آماده جایگزینی پزشکان نیست و پیش از ورود به مراقبتهای درمانی روزمره، به آزمایشهای بالینی بیشتری نیاز دارد. همچنین هنوز مشخص نیست که استفاده از این فناوری، واقعا میزان مرگومیر را کاهش دهد و این موضوع باید در مطالعات آینده تایید شود.
بر اساس گزارش نوریج، با این حال، این یافتهها گامی مهم در مسیر پزشکی شخصیسازیشده محسوب میشود. اگر این نتایج در تحقیقات آینده نیز تایید شود، فناوری کنونی میتواند به پزشکان کمک کند خطر پنهان مرگ ناگهانی قلبی را زودتر تشخیص دهند، از انجام اقدامات درمانی غیرضروری بکاهند و جان بسیاری از بیمارانی را که ظاهرا سالم هستند، نجات دهند.
