غربالگری نوین قلب: صرفه‌جویی هزینه با هوش مصنوعی

استفاده از ابزارهای هوش مصنوعی در تشخیص نارسایی قلبی

تحقیقات قبلی نشان داده‌اند که پزشکان مراقبت‌های اولیه با استفاده از ابزارهای هوش مصنوعی در الکتروکاردیوگرام (AI-ECG) توانسته‌اند موارد ناشناخته‌ای از نارسایی پمپاژ قلب، که به آن «کسر خروجی پایین» نیز گفته می‌شود، را شناسایی کنند. یافته‌های جدید منتشر شده در نشریه Mayo Clinic Proceedings: Digital Health نشان می‌دهد که این نوع غربالگری در درازمدت همچنین از نظر هزینه‌ای مؤثر است، به ویژه در محیط‌های سرپایی.

کاهش‌های **تدریجی** در عملکرد قلب قابل درمان با دارو هستند، اما شناسایی آن‌ها می‌تواند دشوار باشد. بیماران ممکن است علائم داشته یا نداشته باشند، زمانی که قلب آن‌ها به طور مؤثر پمپاژ نمی‌کند و پزشکان ممکن است تنها در صورت وجود علائم، اقدام به درخواست اکوکاردیوگرام یا سایر آزمایش‌های تشخیصی برای بررسی کسر خروجی کنند.

دکتر پیتر نوزورتی، کاردیولوژیست کلینیک مایو و یکی از نویسندگان این مطالعه، اشاره می‌کند که استفاده از هوش مصنوعی برای شناسایی سیگنال‌های پنهان نارسایی قلبی در طول یک ویزیت روتین می‌تواند به معنای درمان زودتر برای بیماران باشد. این امر می‌تواند پیشرفت بیماری را به تأخیر بیندازد یا متوقف کند و هزینه‌های پزشکی مرتبط را در طول زمان کاهش دهد.

بر اساس این مطالعه، نسبت هزینه-اثربخشی استفاده از AI-ECG برابر با ۲۷,۸۵۸ دلار به ازای هر سال زندگی با کیفیت تنظیم‌شده بود — معیاری از کیفیت زندگی و سال‌های زندگی. این برنامه به ویژه در محیط‌های سرپایی از نظر هزینه‌ای مؤثر بود و نسبت هزینه-اثربخشی بسیار کمتری برابر با ۱,۶۵۱ دلار به ازای هر سال زندگی با کیفیت تنظیم‌شده داشت.

محققان تأثیر اقتصادی استفاده از ابزار AI-ECG را با استفاده از اطلاعات واقعی از ۲۲,۰۰۰ شرکت‌کننده در آزمایش EAGLE بررسی کرده و پیگیری کردند که کدام بیماران دچار نارسایی پمپاژ قلب بودند و کدام نبودند.

مدل‌سازی پیشرفت بیماری و ارزیابی هزینه‌اثربخشی فناوری‌های هوش مصنوعی

آنها پیشرفت بیماری را در بلندمدت شبیه‌سازی کردند و ارزش‌هایی برای بار سلامت بیماران و تأثیر آن بر ارزش اقتصادی تعیین نمودند. زیائو شی، دکترای علوم بهداشت و استاد تحقیقات خدمات بهداشتی در کلینیک مایو می‌گوید: “ما بیماران را به دو دسته تقسیم کردیم: بیماران مثبت AI-ECG که به معنای توصیه به آزمایش‌های بیشتر برای بررسی کاهش خروجی قلب هستند و بیماران منفی AI-ECG که نیازی به آزمایش‌های بیشتر ندارند. سپس مسیر عادی مراقبت را دنبال کردیم و بررسی کردیم که هزینه آن چقدر خواهد بود. آیا آنها اکوکاردیوگرام داشتند؟ آیا سالم ماندند یا بعداً دچار نارسایی قلبی شدند و نیاز به بستری شدن پیدا کردند؟ ما سناریوهای مختلف، هزینه‌ها و نتایج بیماران را در نظر گرفتیم.”

دکتر زیائو، که نویسنده ارشد این مطالعه است، به اهمیت هزینه‌اثربخشی در ارزیابی فناوری‌های هوش مصنوعی اشاره می‌کند و می‌گوید: “ما می‌دانیم که تشخیص زودهنگام می‌تواند به گزینه‌های درمانی بهتر و با هزینه کمتر منجر شود. برای رسیدن به این هدف، ما در حال ایجاد چارچوبی برای ارزیابی و پیاده‌سازی هوش مصنوعی هستیم. گام بعدی پیدا کردن راه‌هایی برای ساده‌سازی این فرآیند است تا بتوانیم زمان و منابع مورد نیاز برای چنین ارزیابی‌های دقیقی را کاهش دهیم.”

این مطالعه توسط مرکز علوم ارائه خدمات بهداشتی رابرت دی. و پاتریشیا ای. کرن، کلینیک مایو تأمین مالی شده است. کلینیک مایو و برخی از محققان در این خبرنامه، منافع مالی در فناوری‌های اشاره شده دارند. کلینیک مایو هر درآمدی که دریافت کند را برای حمایت از مأموریت غیرانتفاعی خود در مراقبت از بیماران، آموزش و تحقیق استفاده خواهد کرد.