به گزارش کارگروه فناوری اطلاعات سایبربان؛ محققان بریتانیایی الگوریتم جدیدی مبتنی بر هوش مصنوعی (AI) توسعه داده‌اند که ممکن است روزی به پزشکان در تشخیص سریع و دقیق حملات قلبی کمک کند.
به گفته محققان دانشگاه ادینبورگ (Edinburgh)، الگوریتم جدید به نام «CoDE-ACS» قادر به رد حمله قلبی در بیش از 2 برابر تعداد بیماران با دقت 99.6 درصد در مقایسه با روش‌های آزمایش فعلی است.
CoDE-ACS همچنین ممکن است کمک زیادی به کاهش پذیرش در بیمارستان و شناسایی سریع بیمارانی که برای رفتن به خانه امن هستند، کمک کند. این یافته‌ها در مجله «Nature Medicine» منتشر شده است.
نیکلاس میلز (Nicholas Mills)، سرپرست این تحقیق، گفت :
«برای بیماران مبتلا به درد حاد قفسه سینه به دلیل حمله قلبی، تشخیص و درمان به موقع جان افراد را نجات می‌دهد. متأسفانه، بسیاری از بیماری‌ها باعث ایجاد این علائم رایج می‌شوند و تشخیص همیشه ساده نیست. بهره‌گیری از داده‌ها و هوش مصنوعی برای حمایت از تصمیم‌های بالینی پتانسیل بسیار زیادی با هدف بهبود مراقبت از بیماران و کارایی در بخش‌های اورژانس شلوغ ما دارد.»
به گفته کارشناسان، این فناوری علاوه بر رد کردن حملات قلبی همچنین می‌تواند به پزشکان کمک کند تا افراد دارای سطوح غیرطبیعی تروپونین (پروتئینی که در جریان حمله قلبی در جریان خون آزاد می‌شود) به دلیل حمله قلبی را شناسایی کنند.
سر نیلش سامانی (Sir Nilesh Samani)، مدیر پزشکی بنیاد قلب بریتانیا، در این خصوص اظهار داشت که درد قفسه سینه یکی از شایع‌ترین دلایلی است که افراد به بخش‌های اورژانس مراجعه می‌کنند.
او افزود :
«پزشکان در سراسر جهان هر روز با چالش جدا کردن بیمارانی که دردشان ناشی از سکته قلبی است از کسانی که دردشان ناشی از چیزی کمتر جدی است، مواجه می‌شوند.»
CoDE-ACS با استفاده از داده‌های 10038 بیمار در اسکاتلند که به دلیل حمله قلبی مشکوک به بیمارستان مراجعه کرده بودند، ایجاد شد.
از اطلاعات جمع‌آوری شده معمول بیمار، مانند سن، جنس، یافته‌های ECG و سابقه پزشکی و همچنین سطوح تروپونین برای پیش‌بینی احتمال حمله قلبی در فرد استفاده می‌کند.
نتیجه یک امتیاز احتمال از 0 تا 100 برای هر بیمار است.
اکنون آزمایش‌های بالینی در اسکاتلند در حال انجام است تا ارزیابی کنند که آیا این ابزار می‌تواند به پزشکان کمک کند تا فشار بر بخش‌های اورژانس پرجمعیت را کاهش دهند.
