به کارگیری هوش مصنوعی در تشخیص نارسایی قلبی

بررسی‌های پیشین نشون داده که دکترا و پزشکای مراقبت‌های اولیه با استفاده از ابزارهای هوش مصنوعی توی نوار قلب (AI-ECG) تونستن موارد پنهان و تشخیص داده نشده‌ی ضعف پمپاژ قلب که همون «کاهش حجم خون خروجی» هست رو شناسایی کنن. یافته‌های جدید، که تو نشریه‌ی Mayo Clinic Proceedings: Digital Health منتشر شده، نشون می‌ده این نوع غربالگری، به‌ویژه تو مراکز سرپایی، در دراز مدت هم از نظر مالی به صرفه‌ست.

افت‌های **تدریجی** و کوچیک توی عملکرد قلب رو می‌شه با دارو درمان کرد، اما تشخیصشون می‌تونه سخت باشه. بیمارا ممکنه علائم داشته باشن یا نداشته باشن، اون هم زمانی که قلب‌شون درست کار نمی‌کنه و دکترا هم ممکنه فقط وقتی علائمی وجود داشته باشه، دستور اکوکاردیوگرافی یا بقیه‌ی آزمایش‌های تشخیصی رو برای بررسی حجم خون خواستار بشن.

یه دکتر توی یه کلینیک مدرن که از فناوری هوش مصنوعی برای تحلیل نوار قلب بیمار استفاده می‌کنه.
استفاده از تکنولوژی‌های نوین هوش مصنوعی برای تشخیص نارسایی قلبی تو کلینیک‌ها.

دکتر پیتر نوزورتی، متخصص قلب و عروق از کلینیک مایو و یکی از نویسنده‌های این مطالعه، اشاره می‌کنه که به کار بردن هوش مصنوعی برای شناسایی سیگنال‌های نامرئی نارسایی قلبی توی یه ویزیت معمولی، می‌تونه به معنی درمان زودتر برای بیمارا باشه. این کار می‌تونه پیشرفت بیماری رو عقب بندازه یا متوقف کنه و هزینه‌های درمان رو هم در طول زمان کم کنه.

بر اساس این تحقیق، نسبت هزینه‌بهره‌وری استفاده از AI-ECG حدود ۲۷,۸۵۸ دلار به ازای هر سال زندگی با کیفیت بود — یعنی معیاری از کیفیت زندگی و طول عمر. این برنامه، خصوصاً توی محیط‌های سرپایی، از نظر هزینه خیلی خوب بود و نسبت هزینه‌بهره‌وری خیلی کمتری معادل ۱,۶۵۱ دلار به ازای هر سال زندگی با کیفیت داشت.

محققان تأثیرات اقتصادی به کار بردن ابزار AI-ECG رو با استفاده اطلاعات واقعی از ۲۲,۰۰۰ شرکت‌کننده تو آزمایش EAGLE بررسی کردن و دنبال کردن که کدوم بیمارا دچار مشکل ضعیف شدن پمپاژ قلب شدن و کدوم‌ها نه.

یه تصویر انتزاعی از عملکرد قلب و سلامتی، با یه مانیتور دیجیتال که سیگنال‌های نوار قلب رو نشون می‌ده.
تصویری از سلامت قلب با فناوری‌های پیشرفته، که نتایج تست‌های نوار قلب رو نشون میده.

مدل‌سازی پیشرفت بیماری و ارزیابی هزینه-فایده فناوری‌های هوش مصنوعی

اونا پیشرفت بیماری رو تو طول زمان شبیه‌سازی کردن و ارزش‌هایی رو برای بار مشکلات سلامتی بیمارا و تأثیرش بر ارزش اقتصادی تعیین کردن. زیائو شی، دکترای علوم بهداشت و استاد تحقیقات خدمات بهداشتی در کلینیک مایو می‌گه: «ما بیمارا رو به دو دسته تقسیم کردیم: بیمارای مثبت AI-ECG که یعنی باید آزمایش‌های بیشتری برای بررسی ضعف عملکرد قلب انجام بدن و بیمارای منفی AI-ECG که نیازی به آزمایش‌های بیشتر نداشتن. بعدش مسیر معمول درمان رو دنبال کردیم و بررسی کردیم که چقدر هزینه داره. آیا اکوکاردیوگرافی انجام دادن؟ آیا سالم موندن یا بعداً دچار نارسایی قلبی شدن و کارشون به بستری شدن کشید؟ ما سناریوهای مختلف، هزینه‌ها و نتایج بیمارا رو در نظر گرفتیم.»

دو گروه بیمار توی یه مطالعه تحقیقاتی، یه گروه تست AI-ECG انجام می‌دن و گروه دیگه از روش‌های سنتی استفاده می‌کنن.
بررسی و تحلیل نتایج بین گروه‌هایی که تست AI-ECG گرفتن و روش‌های قدیمی.

دکتر زیائو، که نویسنده‌ی اصلی این مطالعه‌ست، به اهمیت هزینه‌بهره‌وری توی ارزیابی فناوری‌های هوش مصنوعی اشاره می‌کنه و می‌گه: «ما می‌دونیم که تشخیص زودهنگام می‌تونه به درمان‌های بهتر و کم‌هزینه‌تر منجر بشه. برای رسیدن به این هدف، داریم یه چارچوبی برای ارزیابی و پیاده‌سازی هوش مصنوعی درست می‌کنیم. قدم بعدی پیدا کردن راه‌هایی برای ساده‌تر کردن این فرآینده، تا بتونیم زمان و منابعی رو که برای این ارزیابی‌های دقیق لازمه، کم کنیم.»

این مطالعه توسط مرکز علوم ارائه خدمات بهداشتی رابرت دی. و پاتریشیا ای. کرن، کلینیک مایو تأمین مالی شده. کلینیک مایو و بعضی از محققای این نوشته، منافع مالی تو فناوری‌های اشاره شده دارن. کلینیک مایو هر درآمدی که به دست بیاره رو صرف حمایت از هدف غیرانتفاعی خودش، یعنی مراقبت از بیمارا، آموزش و تحقیق می‌کنه.

“`

مقاله های شبیه به این مقاله

بیشتر بخوانید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *