AI გვთავაზობს გულის ჯანმრთელობის ახალი, ნაკლებად ინვაზიური ტესტების პოტენციალს - კომპიუტერული ხედვით ბადურის სურათების კარდიოვასკულური შედეგების პროგნოზირებას - ადრეული შედეგების წახალისებას. (წყარო: ფაილის ფოტო) ინფარქტის ან ინსულტის რისკის ცოდნა მალე შეიძლება ისეთივე მარტივი გახდეს, როგორც თვალის ტესტი, როგორც Google- ის მკვლევარებმა და მისმა ჯანდაცვის ტექნოლოგიამ აჩვენა, რომ ხელოვნური ინტელექტი (AI) და მანქანათმცოდნეობა (ML) დაგეხმარებათ გულის სიგნალების იდენტიფიცირებაში დაავადებები ბადურის სურათებით.
AI გვთავაზობს გულის ჯანმრთელობის ახალი, ნაკლებად ინვაზიური ტესტების პოტენციალს - წინასწარმეტყველებს გულ -სისხლძარღვთა შედეგებს ბადურის სურათებიდან კომპიუტერული ხედვით - ამხნევებს ადრეულ შედეგებს!
კვლევამ, რომელიც გამოქვეყნდა ჟურნალ Nature Biomedical Engineering– ში, აჩვენა, რომ ღრმა სწავლა, რომელიც გამოიყენება ბადურის ფსკერის სურათზე, ფოტოსურათზე, რომელიც მოიცავს თვალის სისხლძარღვებს, შეუძლია იწინასწარმეტყველოს გულის დაავადებების რისკის ფაქტორები - არტერიული წნევიდან მოწევის სტატუსამდე.
ალგორითმი, რომელიც მკვლევარებმა გამოიმუშავეს შეიძლება ხელი შეუწყოს მომავალი ძირითადი გულსისხლძარღვთა მოვლენის პროგნოზირებას მიმდინარე ზომების შესაბამისად, თქვა მაიკლ მაკკონელმა, Verily– ის გულსისხლძარღვთა ჯანმრთელობის ინოვაციების ხელმძღვანელმა ბლოგის პოსტში.
გულ -სისხლძარღვთა დაავადებები სიკვდილის წამყვანი მიზეზია გლობალურად და მკვლევარებმა იციან, რომ ცხოვრებისეული ფაქტორები, მათ შორის ვარჯიში და დიეტა გენეტიკურ ფაქტორებთან, ასაკთან, ეთნიკურ წარმომავლობასთან და სქესთან ერთად, ხელს უწყობს ამას.
თუმცა, მათ ზუსტად არ იციან, როგორ იმატებს ეს ფაქტორები კონკრეტულ ადამიანში და ამიტომ ზოგიერთ პაციენტში აუცილებელია დახვეწილი ტესტების ჩატარება, როგორიცაა კორონარული კალციუმის კომპიუტერული ტომოგრაფია, რათა უკეთესად განისაზღვროს ინდივიდის ინფარქტის რისკი. ინსულტი და სხვა გულ -სისხლძარღვთა მოვლენები.
შავი ბუნდოვანი მუხლუხა იქცევა
ამ კვლევაში, 284,335 პაციენტის მონაცემებზე გაწვრთნილი ღრმა სწავლების ალგორითმების გამოყენებით, მკვლევარებმა შეძლეს ბადურის სურათებიდან გულ -სისხლძარღვთა რისკის ფაქტორების საოცრად მაღალი სიზუსტით პროგნოზირება 12006 და 999 პაციენტის ორი დამოუკიდებელი მონაცემის მქონე პაციენტებისთვის.
ალგორითმს შეუძლია განასხვავოს მწეველის ბადურის სურათი არამწეველთაგან 71 % –ის მიხედვით, კვლევამ აჩვენა.
გარდა ამისა, მიუხედავად იმისა, რომ ექიმებს შეუძლიათ ჩვეულებრივ განასხვავონ მძიმე არტერიული წნევის მქონე პაციენტებისა და ნორმალური პაციენტების ბადურის სურათები, ჩვენი ალგორითმი შეიძლება გააგრძელოს სისტოლური არტერიული წნევის პროგნოზირება საშუალოდ 11 მმ Hg– ის ფარგლებში პაციენტებისთვის საერთო ჯამში, მათ შორის მაღალი სისხლის მქონე და მის გარეშე. ზეწოლის, კვლევის თანაავტორი ლილი პენგი, პროდუქტის მენეჯერი, Google Brain Team, განაცხადა.
ამ კვლევის ერთ – ერთი ამაღელვებელი ასპექტია „ყურადღების რუქების“ წარმოქმნა, რომელიც აჩვენებს ბადურის რომელი ასპექტები შეუწყო ხელი ყველაზე მეტად ალგორითმს, რითაც ფანჯარა გაჩნდა „შავ ყუთში“, რომელიც ხშირად ასოცირდება მანქანათმცოდნეობასთან, მაკკონელთან. თქვა კვლევის თანაავტორმა.
ამან შეიძლება ექიმებს უფრო მეტი ნდობა მისცეს ალგორითმში და პოტენციურად მიაწოდოს ახალი წარმოდგენა ბადურის მახასიათებლებზე, რომლებიც ადრე არ იყო დაკავშირებული გულ -სისხლძარღვთა რისკის ფაქტორებთან ან მომავალ რისკთან, თქვა მაკკონელმა.
დასკვნები ვარაუდობენ, რომ ბადურის უბრალო გამოსახულებას ერთ დღეს შეუძლია დაეხმაროს პაციენტის სისხლძარღვების ჯანმრთელობის გაგებას, რაც გულ -სისხლძარღვთა ჯანმრთელობის გასაღებია.
ეს არის პერსპექტიული, მაგრამ ადრეული კვლევა - მეტი სამუშაო უნდა გაკეთდეს ამ დასკვნების შემუშავებისა და დამტკიცების მიზნით პაციენტთა უფრო დიდ ჯგუფზე, სანამ ეს კლინიკურ გარემოში ჩავა, დასძინა მაკკონელმა.
საუკეთესო ბუჩქები საძირკვლის დარგვისთვის