هوش مصنوعی با تحلیل فعالیت قلب در خواب، خطر بیماری قلبی را پیش‌بینی می‌کند
پژوهشگران دریافته‌اند که هوش مصنوعی می‌تواند با تحلیل فعالیت الکتریکی قلب هنگام خواب، خطر ابتلا به بیماری‌های قلبی‌عروقی را زودتر پیش‌بینی کند.
به گزارش سایت دیدبان ایران، خواب شبانه ممکن است اطلاعات مهمی درباره‌ی سلامت قلب در سال‌های آینده در خود پنهان کرده باشد. پژوهشگران با توسعه‌ی مدلی مبتنی‌بر هوش مصنوعی نشان داده‌اند که بررسی فعالیت الکتریکی قلب هنگام خواب می‌تواند به شناسایی افرادی کمک کند که در آینده بیشتر در معرض بیماری‌های قلبی‌عروقی قرار دارند.
به‌گزارش ساینس‌آلرت، روش جدید فقط به داده‌های ثبت‌شده از یک لید الکتروکاردیوگرام (ECG) نیاز دارد که هنگام خواب روی قفسه‌ی سینه قرار می‌گیرد. هوش مصنوعی با تحلیل این اطلاعات می‌تواند خطر بروز ضربان نامنظم قلب، سکته مغزی، نارسایی قلبی و حتی مرگ ناشی از علل مختلف را در بازه‌ای ۱۰ ساله تخمین بزند.
پژوهشگران دانشگاه اموری ابتدا مدل یادگیری عمیق را با استفاده از داده‌های نزدیک به ۱۶هزار بیمار که فعالیت قلبشان هنگام خواب ثبت شده بود، آموزش دادند. سپس عملکرد مدل را با اطلاعات دو گروه مستقل شامل نزدیک به ۱۰هزار و ۱۳هزار بیمار ارزیابی کردند.
هوش مصنوعی توانست افراد را براساس میزان خطر بلندمدت بیماری‌های قلبی‌عروقی دسته‌بندی کند. این توانایی حتی پس از درنظرگرفتن عوامل خطر شناخته‌شده مانند سن، جنسیت، دیابت، فشار خون بالا و استعمال دخانیات نیز حفظ شد.
افرادی که هوش مصنوعی آن‌ها را در گروه‌های پرخطر قرار داده بود، بیشتر در معرض بیماری‌های قلبی‌عروقی بودند. در این افراد، خطر نامنظم‌شدن ضربان قلب بین ۱۰۳ تا ۱۷۲ درصد، سکته مغزی بین ۱۹ تا ۴۰ درصد، نارسایی قلبی بین ۶۹ تا ۱۳۳ درصد و مرگ ناشی از هر علت بین ۶۵ تا ۸۲ درصد بیشتر بود. البته این اعداد افزایش نسبی خطر را نشان می‌دهند و به معنای ابتلای قطعی افراد به بیماری نیستند.
در آزمایش پلی‌سومنوگرافی (PSG) که برای تشخیص اختلالات خواب استفاده می‌شود، معمولاً فعالیت الکتریکی قلب نیز ثبت می‌شود. بااین‌حال، پزشکان اغلب تنها زمانی به این داده‌ها توجه می‌کنند که نشانه‌ای آشکار از مشکلات قلبی وجود داشته باشد.
پژوهش جدید نشان می‌دهد که تغییرات ظریف فعالیت قلب هنگام خواب نیز می‌توانند اطلاعات ارزشمندی درباره‌ی سلامت آینده ارائه دهند. به‌ویژه در سبک‌ترین مرحله‌ی خواب، دستگاه عصبی خودمختار دستخوش نوسان‌های سریعی می‌شود که ممکن است ناهنجاری‌های جزئی در ریتم ضربان قلب یا هدایت الکتریکی آن را آشکارتر کنند.
تغییرات ظریف ضربان قلب در مراحل ابتدایی خواب می‌توانند نشانه‌هایی از مشکلات قلبی در آینده باشند
پژوهشگران دریافتند که ترکیب این داده‌ها با اطلاعات مراحل خواب، قدرت پیش‌بینی مدل‌های موجود را بهبود می‌دهد. میزان بهبود برای فیبریلاسیون دهلیزی تا ۶ درصد، نارسایی قلبی تا ۹ درصد و پیش‌بینی مرگ‌ومیر تا ۷ درصد بود.
گری کلیفورد، استاد مهندسی زیست‌پزشکی در مؤسسه فناوری جورجیا و از نویسندگان پژوهش، می‌گوید افزودن امتیاز مدل یادگیری عمیق به عوامل خطر شناخته‌شده می‌تواند به تشخیص زودهنگام بیماری‌های قلبی‌عروقی و شناسایی افراد پرخطر کمک کند.
بااین‌حال، روش جدید هنوز به بررسی‌های بیشتری نیاز دارد و نمی‌تواند ابتلای قطعی افراد به بیماری را پیش‌بینی کند. پژوهشگران امیدوارند در آینده بتوان از آن در آزمایش‌های معمول خواب برای غربالگری بیماران و شناسایی زودهنگام خطرات قلبی‌عروقی استفاده کرد.