هوش مصنوعی خطر نارسایی قلبی را تا ۱۰ سال زودتر پیش‌بینی می‌کند
پژوهشگران با استفاده از هوش مصنوعی و تحلیل نوار قلب هنگام خواب، روشی برای پیش‌بینی خطر ابتلا به بیماری‌های قلبی‌عروقی تا ۱۰ سال آینده شناسایی کرده‌اند. این روش با بررسی اطلاعات الکتریکی قلب در مراحل اولیه خواب، می‌تواند خطر بروز ضربان نامنظم قلب، سکته مغزی، نارسایی قلبی و مرگ به هر علت را ارزیابی کند؛ رویکردی که در آینده ممکن است به شناسایی زودهنگام افراد در معرض خطر کمک کند.
نوار قلب در خواب چه اطلاعاتی آشکار می‌کند؟
به گزارش سیناپرس، خواب فقط فرصتی برای استراحت بدن نیست؛ تغییرات فعالیت دستگاه عصبی در این دوره می‌تواند اطلاعاتی درباره وضعیت سلامت قلب نیز در اختیار پژوهشگران قرار دهد. اکنون محققان نشان داده‌اند که فعالیت الکتریکی قلب در مراحل ابتدایی خواب، با کمک الگوریتم‌های هوش مصنوعی، می‌تواند برای پیش‌بینی خطرهای قلبی‌عروقی در سال‌های آینده به کار رود.
برای این کار، ثبت اطلاعات تنها از یک اشتقاق نوار قلب (ECG) که هنگام خواب روی قفسه سینه قرار می‌گیرد، کافی بود. سامانه هوش مصنوعی با تحلیل این داده‌ها توانست احتمال بروز چند پیامد مهم سلامت، از جمله فیبریلاسیون دهلیزی، سکته مغزی، نارسایی قلبی و مرگ به هر علت را طی ۱۰ سال آینده برآورد کند.
نتایج این پژوهش در مجله علمی SLEEP منتشر شده و مؤسسه ملی سلامت آمریکا (NIH) از آن حمایت کرده است.دیوید گاف، سرپرست موقت مؤسسه ملی قلب، ریه و خون آمریکا، در این باره می‌گوید: «این رویکرد جدید ظرفیت آن را دارد که افراد در معرض خطر بیماری‌های قلبی‌عروقی را سال‌ها پیش از بروز علائم بالینی شناسایی کند.»
او تأکید می‌کند که گام مهم بعدی، بررسی این موضوع است که آیا افزودن این اطلاعات به روش‌های متداول ارزیابی خطر، دقت پیش‌بینی را افزایش می‌دهد یا خیر.
هوش مصنوعی چگونه خطر بیماری‌های قلبی را پیش‌بینی کرد؟
گروه پژوهشی به سرپرستی دانشمندان دانشگاه اموری در آمریکا، ابتدا یک سامانه یادگیری عمیق را با استفاده از داده‌های سلامت نزدیک به ۱۶ هزار بیمار آموزش داد. این افراد در یک مطالعه خواب در بیمارستان عمومی ماساچوست در بوستون شرکت کرده بودند و فعالیت قلب آن‌ها هنگام خواب با نوار قلب ثبت شده بود.
پس از مرحله آموزش، عملکرد سامانه با استفاده از دو مجموعه داده مستقل دیگر بررسی شد؛ یکی شامل اطلاعات نزدیک به ۱۰ هزار بیمار از بیمارستان دانشگاه اموری و دیگری شامل داده‌های حدود ۱۳ هزار بیمار از مرکز پزشکی بت اسرائیل دی‌کونِس در بوستون.
در نهایت، مدل هوش مصنوعی توانست شرکت‌کنندگان را بر اساس سطوح مختلف خطر بلندمدت بیماری‌های قلبی‌عروقی دسته‌بندی کند.این ارتباط حتی پس از در نظر گرفتن عوامل خطر شناخته‌شده، از جمله سن، جنسیت، دیابت، فشار خون بالا، سیگارکشیدن و ویژگی‌های خواب، همچنان مشاهده شد.
افزایش خطر بیماری‌ها در افراد با امتیاز بالاتر
نتایج نشان داد که با هر یک انحراف معیار افزایش در امتیاز خطر محاسبه‌شده توسط هوش مصنوعی، خطر برخی پیامدهای سلامت به‌طور قابل‌توجهی بیشتر بود.
بر اساس یافته‌های پژوهش، این افزایش خطر برای فیبریلاسیون دهلیزی بین ۱۰۳ تا ۱۷۲ درصد، برای سکته مغزی بین ۱۹ تا ۴۰ درصد و برای نارسایی قلبی بین ۶۹ تا ۱۳۳ درصد گزارش شد. خطر مرگ به هر علت نیز بین ۶۵ تا ۸۲ درصد افزایش داشت.بااین‌حال، افزایش معنادار خطر سکته قلبی یا انفارکتوس میوکارد تنها در یکی از گروه‌های بررسی‌شده مشاهده شد.این ارقام به معنای احتمال قطعی ابتلا به بیماری نیستند؛ بلکه نشان می‌دهند امتیاز بالاتر در مدل هوش مصنوعی با خطر بیشتر پیامدهای مورد بررسی ارتباط داشته است.
گاری کلیفورد، یکی از نویسندگان پژوهش و استاد مهندسی زیست‌پزشکی در مؤسسه فناوری جورجیا، می‌گوید: «نکته مهم این است که افزودن امتیاز مدل یادگیری عمیق، پیش‌بینی پیامدهای قلبی را فراتر از عوامل خطر شناخته‌شده بهبود داد.»
به گفته او، استفاده از این امتیازها در مطالعات خواب می‌تواند به تشخیص زودهنگام بیماری‌های قلبی‌عروقی، شناسایی افراد پرخطر و اتخاذ رویکردی پیشگیرانه‌تر در مراقبت از بیماران کمک کند.
چرا بررسی قلب هنگام خواب اهمیت دارد؟
اختلالات خواب، از جمله بی‌خوابی، از عوامل مرتبط با افزایش خطر بیماری‌های قلبی‌عروقی به شمار می‌روند. در آزمایش پلی‌سومنوگرافی (PSG)، که یکی از روش‌های اصلی تشخیص اختلالات خواب است، فعالیت قلب نیز اغلب ثبت می‌شود؛ اما اطلاعات به‌دست‌آمده از نوار قلب معمولاً زمانی مورد توجه ویژه قرار می‌گیرد که نشانه‌ای آشکار از مشکل جدی وجود داشته باشد.به این ترتیب، بخشی از اطلاعات ظریف مربوط به عملکرد قلب ممکن است در ارزیابی‌های معمول نادیده گرفته شود.
مدل‌های سنتی ارزیابی خطر قلبی‌عروقی بیشتر بر داده‌های نوار قلب در زمان بیداری یا فعالیت تمرکز دارند. در مقابل، پژوهش جدید نشان می‌دهد که ثبت فعالیت قلب هنگام خواب، به‌ویژه زمانی که با مراحل مختلف خواب تطبیق داده شود، می‌تواند اطلاعات پیش‌بینی‌کننده دیگری نیز در اختیار متخصصان قرار دهد.
برای مثال، در سبک‌ترین مرحله خواب، تغییرات الگوی ضربان قلب و نحوه انتقال پیام‌های الکتریکی در قلب، ارتباط ویژه‌ای با خطرهای سلامت در آینده نشان دادند.
پژوهشگران توضیح می‌دهند که تغییرات سریع در فعالیت دستگاه عصبی خودمختار هنگام خواب ممکن است ناهنجاری‌های ظریف در پویایی ضربان قلب یا الگوهای هدایت الکتریکی را آشکارتر کند.
بررسی‌ها نشان داد : افزودن اطلاعات استخراج‌شده از نوار قلب هنگام خواب به مدل‌های فعلی ارزیابی خطر، توان پیش‌بینی را برای برخی پیامدها بهبود می‌دهد. میزان این بهبود برای فیبریلاسیون دهلیزی تا ۶ درصد، برای نارسایی قلبی تا ۹ درصد و برای پیش‌بینی مرگ‌ومیر تا ۷ درصد گزارش شد.
هرچند این افزایش‌ها در نگاه نخست چندان بزرگ به نظر نمی‌رسند، پژوهشگران معتقدند همین بهبود نیز می‌تواند توانایی مدل‌ها را برای تفکیک افرادی که در آینده به نارسایی قلبی مبتلا می‌شوند از افرادی که به این بیماری مبتلا نخواهند شد، افزایش دهد.
با توسعه بیشتر این فناوری، ممکن است بتوان از آن به‌عنوان ابزاری غربالگری در کنار آزمایش‌های خواب استفاده کرد تا افرادی که علاوه بر اختلال خواب، در معرض خطر بیشتر نارسایی قلبی یا دیگر پیامدهای قلبی‌عروقی قرار دارند، زودتر شناسایی شوند.
دیوید گاف می‌گوید در آینده می‌توان روش‌های تحلیلی معتبر از این دست را در آزمایش‌های تشخیصی موجود برای افرادی که تحت بررسی خواب قرار می‌گیرند، ادغام کرد تا امکان غربالگری چند پیامد نامطلوب قلبی‌عروقی فراهم شود.این پژوهش در مجله علمی SLEEP منتشر شده است.
مترجم:ندا جوادهراتی
