هوش مصنوعی عوارض بعد از عمل جراحی رو بهتر از دکترا پیش‌بینی می‌کنه

یه مدل هوش مصنوعی جدید، تونسته سیگنال‌هایی رو که قبلاً دیده نمی‌شدن، تو آزمایش‌های قلبی معمولی پیدا کنه؛ سیگنال‌هایی که خیلی دقیق پیش‌بینی می‌کنن کدوم بیمارها بعد از عمل دچار عوارض مرگبار می‌شن. این مدل، خیلی بهتر از اون نمره‌های ریسکی که دکترا الان بهشون تکیه می‌کنن، عمل کرده.

این کار که محققای دانشگاه جانز هاپکینز انجام دادن، نتایج آزمایش‌های استاندارد و ارزون رو به یه ابزار بالقوه نجات‌بخش تبدیل می‌کنه و می‌تونه تصمیم‌گیری و محاسبه ریسک رو هم برای بیمارها و هم برای جراح‌ها متحول کنه.

رابرت دی. استیونز، نویسنده ارشد این تحقیق، میگه: «ما نشون میدیم که یه نوار قلب ساده، اطلاعات پیش‌بینی‌کننده مهمی داره که با چشم غیرمسلح نمیشه دیدشون.» اون اضافه کرده: «ما فقط با تکنیک‌های یادگیری ماشین می‌تونیم این اطلاعات رو استخراج کنیم.»

نتایج این تحقیق تو مجله British Journal of Anaesthesia چاپ شده.

بخش قابل توجهی از آدما بعد از عمل‌های جراحی بزرگ دچار عوارض مرگبار می‌شن. نمره‌های ریسکی که دکترا برای شناسایی افراد در معرض خطر استفاده می‌کنن، فقط تو حدود ۶۰ درصد موارد دقیق هستن.

تیم جانز هاپکینز به امید اینکه یه راه دقیق‌تر برای پیش‌بینی این خطرات سلامتی پیدا کنه، سراغ نوار قلب (ECG) رفتن، که یه آزمایش قلبی استاندارد و رایجه که قبل از عمل‌های جراحی بزرگ گرفته می‌شه. این یه راه سریع و غیرتهاجمی برای ارزیابی فعالیت قلبیه و می‌تونه بیماری قلبی رو نشون بده.

ولی استیونز گفته که سیگنال‌های نوار قلب، اطلاعات فیزیولوژیکی ظریف دیگه‌ای رو هم ثبت می‌کنن و تیم هاپکینز حدس می‌زد که اگه هوش مصنوعی بتونه بهشون کمک کنه تا این اطلاعات رو ببینن، ممکنه یه گنجینه از داده‌های پیش‌بینی‌کننده باارزش پیدا کنن.

استیونز میگه: «نوار قلب کلی اطلاعات جالب داره، نه فقط در مورد قلب، بلکه در مورد کل سیستم قلبی-عروقی.»

«التهاب، سیستم غدد درون‌ریز، متابولیسم، مایعات، الکترولیت‌ها—همه این عوامل شکل نوار قلب رو تعیین می‌کنن. ما با خودمون گفتیم اگه بتونیم یه مجموعه داده خیلی بزرگ از نتایج نوار قلب رو بگیریم و با یادگیری عمیق تحلیلش کنیم، می‌تونیم اطلاعات باارزشی به دست بیاریم که الان در دسترس پزشک‌ها نیست.»

این تیم داده‌های نوار قلب قبل از عمل ۳۷,۰۰۰ بیمار رو که تو یه مرکز پزشکی تو بوستون عمل کرده بودن، بررسی کردن.

تیم دو تا مدل هوش مصنوعی رو آموزش داد تا بیمارایی رو که احتمال داره تا ۳۰ روز بعد از عملشون دچار حمله قلبی، سکته مغزی یا مرگ بشن، شناسایی کنن. یه مدل فقط با داده‌های نوار قلب آموزش دید. اون یکی مدل، که تیم بهش میگه مدل «ترکیبی» (fusion)، اطلاعات نوار قلب رو با جزئیات بیشتری از سوابق پزشکی بیمار مثل سن، جنسیت و بیماری‌های زمینه‌ای ترکیب می‌کرد.

مدلی که فقط با نوار قلب کار می‌کرد، عوارض رو بهتر از نمره‌های ریسک فعلی پیش‌بینی می‌کرد، ولی مدل ترکیبی حتی از اون هم بهتر بود و می‌تونست با دقت ۸۵ درصد پیش‌بینی کنه کدوم بیمارها بعد از عمل دچار عوارض می‌شن.

کارل هریس، نویسنده اصلی تحقیق، میگه: «عجیبه که می‌تونیم این آزمایش تشخیصی معمولی رو برداریم، این ۱۰ ثانیه داده رو بگیریم و خیلی خوب پیش‌بینی کنیم که آیا کسی بعد از عمل می‌میره یا نه. ما به یه یافته خیلی معنادار رسیدیم که می‌تونه ارزیابی ریسک جراحی رو بهتر کنه.»

این تیم همچنین یه روشی رو هم توسعه داده تا توضیح بده کدوم ویژگی‌های نوار قلب ممکنه با حمله قلبی یا سکته مغزی بعد از عمل مرتبط باشن.

استیونز میگه: «تصور کنید اگه قراره یه عمل جراحی بزرگ انجام بدید، به جای اینکه نوار قلبتون فقط تو پرونده‌تون گذاشته بشه و کسی بهش نگاه نکنه، از طریق یه مدل بررسی بشه و یه ارزیابی ریسک بهتون بده و بتونید با دکترتون در مورد خطرات و فواید عمل صحبت کنید.»

«این یه قدم تحول‌آفرین رو به جلو تو نحوه ارزیابی ریسک برای بیمارهاست.»

قدم بعدی اینه که تیم این مدل رو روی مجموعه داده‌های بیماران بیشتری آزمایش کنه. اونا همچنین دوست دارن این مدل رو به صورت آینده‌نگر روی بیمارایی که قراره عمل بشن هم تست کنن.

این تیم همچنین می‌خواد مشخص کنه که چه اطلاعات دیگه‌ای رو می‌شه از طریق هوش مصنوعی از نتایج نوار قلب استخراج کرد.

لینک منبع