Στο εγγύς μέλλον, οι γιατροί ενδέχεται να είναι σε θέση να εφαρμόσουν τεχνητή νοημοσύνη σε δεδομένα ηλεκτροκαρδιογραφήματος, προκειμένου να μετρήσουν τη γενική κατάσταση υγείας, σύμφωνα με νέα έρευνα που δημοσιεύτηκε στο περιοδικό Circulation: Arrhythmia and Electrophysiology, περιοδικό της American Heart Association.
Ένα ηλεκτροκαρδιογράφημα, επίσης γνωστό ως ΕΚΚ ή ΗΚΓ, είναι μια δοκιμασία που χρησιμοποιείται για τη μέτρηση της ηλεκτρικής δραστηριότητας της καρδιάς. Ενώ είναι γνωστό ότι το φύλο και η ηλικία ενός ασθενούς μπορεί να επηρεάσουν ένα EKG, οι ερευνητές υποθέτουν ότι η τεχνητή νοημοσύνη θα μπορούσε να καθορίσει το φύλο του ασθενούς και να εκτιμήσει την «φυσιολογική ηλικία» τους – ένα μέτρο της συνολικής λειτουργίας του σώματος και της κατάστασης υγείας διαφορετικών από τη χρονολογική ηλικία .
Χρησιμοποιώντας δεδομένα EKG περίπου 500.000 ασθενών, ένας τύπος τεχνητής νοημοσύνης γνωστός ως συνελικτικό νευρωνικό δίκτυο εκπαιδεύτηκε για να βρει ομοιότητες μεταξύ των δεδομένων εισόδου και εξόδου. Μόλις εκπαιδεύτηκε, το νευρικό δίκτυο δοκιμάστηκε για ακρίβεια στα δεδομένα πρόσθετων 275.000 ασθενών, προβλέποντας την έξοδο όταν δόθηκαν μόνο δεδομένα εισόδου.
Το νευρικό δίκτυο υπολόγισε τη χρονική ηλικία του ασθενούς ως υψηλότερη αφού αντιμετώπισε δυσμενείς καταστάσεις υγείας όπως καρδιακή προσβολή, χαμηλό κλάσμα εξώθησης, ασθένεια στεφανιαίας αρτηρίας και μειωμένη ηλικία εάν παρουσίασαν λίγα ή καθόλου ανεπιθύμητα συμβάντα.
“Ενώ οι γιατροί εξετάζουν ήδη εάν ένας ασθενής εμφανίζεται [ως] την ηλικία που έχει δηλώσει ως μέρος της φυσικής τους εξέτασης, η ικανότητα για πιο αντικειμενική και συνεκτική αξιολόγηση μπορεί να επηρεάσει την υγειονομική περίθαλψη σε πολλαπλά επίπεδα”, ανέφερε ο συντάκτης της μελέτης.
«Η ικανότητα ακριβέστερης αξιολόγησης της συνολικής κατάστασης υγείας μπορεί να βοηθήσει τους γιατρούς να προσδιορίσουν ποιοι ασθενείς θα πρέπει να εξετάσουν περαιτέρω για να διαπιστώσουν εάν υπάρχουν ασυμπτωματικές ή σιωπηλές ασθένειες που θα μπορούσαν να ωφεληθούν από την έγκαιρη διάγνωση και επέμβαση. Δείχνουν καλύτερα ότι μπορεί να συμβαίνει κάτι όπως ένα νέο ζήτημα υγείας ή συνυπάρχουσα κατάσταση που διαφορετικά δεν γνώριζαν “συνέχισε ο Kapa.
Οι ερευνητές ανακάλυψαν ότι η τεχνητή νοημοσύνη ήταν σε θέση να καθορίσει με ακρίβεια το φύλο του ασθενούς το 90% του χρόνου και μπορούσε να προσδιορίσει τη χρονολογική ηλικιακή ομάδα ενός ασθενούς με ακρίβεια 72%.
“Αυτή η απόδειξη – ότι μπορούμε να βρούμε κάποια« φυσιολογική εποχή »- ήταν σίγουρα τόσο εκπληκτική όσο και συναρπαστική για τον πιθανό ρόλο της στη μελλοντική έρευνα για τα αποτελέσματα και μπορεί να προωθήσει ένα νέο χώρο επιστήμης όπου προσπαθούμε να κατανοήσουμε καλύτερα τα βιολογικά βάσεις ένα τέτοιο εύρημα “, ανέφερε ο Suraj Kapa.
Ενώ η μελέτη ήταν σε θέση να αντλήσει από ένα μεγάλο μέγεθος δείγματος, όλα τα άτομα στη μελέτη ήταν ασθενείς, και τα EKG χορηγήθηκαν για άλλη κλινική ένδειξη. Απαιτούνται μελλοντικές μελέτες με έναν εμφανώς υγιή πληθυσμό για την επανεπικύρωση της αποφασιστικότητας του νευρικού δικτύου. Επιπρόσθετα, το φύλο στη μελέτη αυτοπροσδιορίστηκε από τους ασθενείς και δεν μπορεί να αντιπροσωπεύει το φύλο όλων των ατόμων στη μελέτη.