پیشبینی میزان بقای بیماران قلبی با کمک هوش مصنوعی
تاریخ انتشار: ۶ خرداد ۱۴۰۱ | کد خبر: ۳۵۰۹۹۳۸۳
پژوهشگران «دانشگاه جانز هاپکینز»، نوعی روش یادگیری عمیق را ابداع کردهاند که میتواند میزان بقای بیماران قلبی را پیشبینی کند.
به گزارش ایمنا، پژوهشگران دانشگاه جانز هاپکینز (JHU) در بررسی جدید خود، از ارزیابی جای زخم در قلب با کمک یادگیری عمیق، برای پیشبینی امکان نجات یافتن از مرگ ناگهانی مرتبط با آریتمی استفاده کردند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
«دستگاههای کاردیوورتر قابل کاشت» (ICD)، مرگ ناگهانی مرتبط با آریتمی را به طور مؤثری خنثی میکنند. یافتههای این پژوهش، بر نیاز حیاتی به روشهای دقیق و ارزان ارزیابی خطر آریتمی تأکید میکنند تا این مشکل بزرگ سلامتی عمومی را کاهش دهند. علاوه بر این، شواهد موجود نشان میدهند که مدلهای محاسباتی به عنوان ابزار غربالگری مرحله اول، در یک جمعیت بزرگ بیاثر هستند.
تصاویر به دستآمده از قلب که توزیع جای زخم را نشان میدهند و متغیرهای بالینی معمولی را در خود جای دادهاند، ممکن است بر این محدودیتها غلبه کنند و احتمال مرگ ناگهانی مرتبط با آریتمی در بیمار را در عرض چند ثانیه و به طور دقیق ارائه دهند. پژوهشگران در این پروژه، یک راهبرد منحصر به فرد را برای افراد مبتلا به بیماری ایسکمیک قلبی ارائه دادهاند که خطر مرگ ناگهانی مرتبط با آریتمی را پیشبینی میکند.
این روش جدید که «SSCAR» نام دارد، تجزیه و تحلیل شبکههای عصبی را برای تخمین میزان بقای فردی در بیماری عروق کرونری ترکیب میکند و متغیرهای بالینی و تصویربرداری تشدید مغناطیسی قلبی-عروقی (CMR) را به کار میبرد. روش SSCAR توانست زمان بقای بیمار را به صورت فردی پیشبینی کند.
علاوه بر این، تعمیمپذیری و عملکرد بالای یادگیری ماشینی، با استفاده از دادههای چند مرکزی و یک مجموعه آزمون جداگانه ارزیابی شد. روش SSCAR از دو شبکه عصبی تشکیل شده است.
۱) یک سیستم سهبعدی با استفاده از تصاویر خامی که توزیع اسکارهای ناشی از بیماریهای قلبی را به تصویر میکشد.
۲) یک شبکه یکپارچه متراکم که روی متغیرهای بالینی کار میکند.
پژوهشگران خاطرنشان کردند که منحنیهای بقای پیشبینیشده با این روش، برآوردهای دقیقی را برای حدود ۱۰ سال ارائه میدهند و امکان ارزیابی عدم قطعیت پیشبینی را فراهم میکنند. یافتههای حاصل از یک مجموعه آزمون مستقل و دادههای اعتبارسنجی داخلی به دست آمده از مراکز متعدد، شاخصهای تطابق و نمرات ۱۰ ساله را نشان دادند.
نتایج این پژوهش نشان داد که روش SSCAR نه تنها یک مدل بسیار انعطافپذیر است که میتواند ارتباطات متقابل پیچیده را ثبت کند بلکه یک مدل قوی به دلیل روششناسی آماری خود است که نحوه ادغام این ویژگیها را برای مطابقت با دادههای مربوط به بقا نشان میدهد.
این روش، به یک مشکل عمده شناخته شده شبکههای عصبی یعنی اعتماد بیش از اندازه به پیشبینیهای نادرست میپردازد. روش کنونی به طور خودکار، ویژگیهایی را پیدا میکند که بهترین مدل و پیشبینی را نشان میدهند. روش SSCAR، یک الگوی پیشبینی خطر مرگ ناگهانی مرتبط با آریتمی است که تصاویر خام را با سایر منابع داده ترکیب میکند.
این سیستم، از تصاویر و فاکتورهای بالینی طی یک روش یادگیری یکپارچه استفاده میکند و به دادههای مختلف امکان میدهد تا نمونه ابتدایی بقای کلی را نشان دهند. یافتههای این پژوهش نشان داد که روش پژوهشگران، یک تغییر اساسی در راهبرد تحلیل خطر آریتمی به شمار میرود؛ زیرا SSCAR از اطلاعات برای بررسی مستقیم عدم قطعیت در پیشبینیهای خود استفاده میکند.
این روش که ورودی آن تصاویر خام قلب است، بهتر از مدلهای بقای معمولی عمل میکند که با استفاده از متغیرهای بالینی ساخته شدهاند. این روش میتواند با ارائه برآوردهای قابل تعمیم و دقیق در مورد احتمال بقای بیمار، تصمیمگیری در مورد درمان را متحول کند. پژوهشگران مطمئن هستند که SSCAR میتواند به طور قابل توجهی بر تصمیمگیری بالینی در مورد خطر آریتمی تأثیر بگذارد.
منبع: شفاآنلاین
کد خبر 578004منبع: ایمنا
کلیدواژه: آریتمی قلبی بیماران قلبی مرگ ناگهانی دانشگاه جانز هاپکینز بیماری قلبی عروقی درمان بیماری قلبی شهر شهروند کلانشهر مدیریت شهری کلانشهرهای جهان حقوق شهروندی نشاط اجتماعی فرهنگ شهروندی توسعه پایدار حکمرانی خوب اداره ارزان شهر شهرداری شهر خلاق پیش بینی روش SSCAR
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.imna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایمنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۵۰۹۹۳۸۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
کمک ۱۲۴۰ میلیارد تومان به بیماران خاص و صعب العلاج در استان تهران
محمد غلام نژاد، مدیر کل بیمه سلامت استان تهران به مناسبت روز بیماریهای خاص و صعب العلاج گفت: ۱۰۷ بیماری مشمول حمایتهای این صندوق بوده و لیست بیماریهای خاص و صعب العلاج ابلاغی از سوی وزارت بهداشت شامل: تالاسمی، هموفیلی، ام اس، بیماری دیالیزی (دیالیز خون و صفاقی)، موکوپولی ساکاریدوز، بال پروانهای، انواع تیپهای ام اسای، سپتیک، فیبروزیس، اوتیسم، سرطان، پرفشاری شریان ریوی، سکته مغزی، پیوند اعضاء (شامل: سلولهای بنیادی خون ساز، کلیه، کبد، قلب، پانکراس، روده، ریه)، مزمن روانی، رتینوپاتی دیابتی، صرع مقاوم به درمان، جراحیهای DBS برای بیماران پارکینسون، دیستونی، ترمور، تیک، بیماران با آسیب شنوایی شدید و دیستروفیهای عضلانی است.
وی افزود: به منظور بهره مندی بیماران خاص، صعب العلاج و نادر از مزایای این صندوق، برخورداری ایشان از پوشش بیمه پایه یک سازمان بیمه گر پایه الزامی است (به عنوان مثال: سازمان بیمه سلامت ایران / سازمان تامین اجتماعی) بیماران مشمول میبایست نسبت به ثبت درخواست حمایت و ثبت درخواست بیماران خاص و صعب العلاج با مراجعه به سامانه شهروندی به آدرسهای ذیل اقدام نمایند.
غلام نژاد اظهار کرد: بیماران جهت بهره مندی از سهم صندوق بیماران و صعب العلاج میبایست در سامانههای الکترونیک سازمان بیمه سلامت نشان دار شوند. در صورتیکه بیماری فرد مشمول نشانهایی باشد که در سامانه وزارت بهداشت (RDA) ثبت میشوند و بیمار درآن سامانهها دارای پرونده باشد نشان به صورت خودکار به فرد منتسب میشود. بیماران برای درخواست ثبت نشان میتوانند وارد سامانه شهروندی شوند. لیست بیماریهای که در سامانه RDA وزارت بهداشت وجود دارد و از طریق سامانه شهروندی به بیماران منتسب میشود شامل: بیماران هموفیلی – تالاسمی – ام اس – سیستیک فیبروزیس- بال پروانهای – اس امای (SMA) و اوتیسم است.
مدیر کل بیمه سلامت استان تهران افزود: در خصوص بیماریهای که در حال حاضر امکان ثبت و نشان دار شدن در سامانههای وزارت بهداشت ندارد در سامانه مدیریت نشان بیمه سلامت صورت میگیرد. در این خصوص بیماران پس از مراجعه به شعب اداره کل بیمه سلامت استان یا ناظر مستقر در بیمارستان یا توسط نمایندگان بیمه مستقر در داروخانههای سطح شهر مانند: ۱۳ آبان، هلال احمر مرکزی و ۲۹ فروردین و همچنین با ثبت درخواست در سامانه شهروندی پس از تماس با بیمار و اخذ مدارک مرتبط، نشان بیماری را منتسب میکنند.
همچنین به صورت غیر حضوری در هنگام تشکیل پرونده دارویی از طریق سامانه تایید برخط دارویی استان تهران نشان بیماری قابل انتساب میباشد.
پس از انتساب نشان بیمار از سهم صندوق با مراجعه به مراکز طرف قرارداد بهره مند میشوند. تاکنون در استان تهران ۱۸۳.۷۴۶ بیمه شده نشان دار شده اند که بیشترین آن مربوط به بیماریهای دیابت نوع ۲، سرطان و پرفشاری خون میباشد.
از این تعداد ۱۰۷ بیماری ۵۳ بیماری دارای بسته خدمات تعریف شده از سوی وزارت بهداشت میباشند که در سامانههای الکترونیک بیمه سلامت قرار گرفته و سهم آن خدمت توسط بیمه شده قابل بهره برداری میباشد.
در صورتیکه بسته خدمتی بیماری صعب العلاج از سوی وزارت بهداشت تعریف نشده باشد بیماران میتوانند با ارائه مدارک و مستندات به دفاتر پیشخوان منتخب یا شعب اداره کل در شهر تهران و ادارات شهرستانی تابعه با رعایت ضوابط از مساعدتهای موردی تبصره ذیل ماده ۹ اساسنامه صندوق بیماریهای خاص و صعب العلاج پس از بررسی و طرح در کمیتههای مربوطه بهرهمند شوند.
شایان ذکر است در استان تهران تا کنون ۱۲۴۰ میلیارد تومان به بیماران خاص و صعب العلاج کمک شده است.
باشگاه خبرنگاران جوان علمی پزشکی بهداشت و درمان