یادگیری ماشینی حمله قلبی را دقیق تر از انسان پیش بینی می نماید - تایمر سرگرمی

به گزارش خبرنگاران و به نقل از مدیکال اکسپرس، شاید یادگیری ماشینی بتواند در پیش بینی مرگ و میر و یا حمله قلبی بر انسان غلبه کند.

پژوهشگران انجمن تصویربرداری قلب و عروق اروپا(EACVI) توانستند با تحلیل 85 متغیر در 950 بیمار، نحوه آنالیز داده های حاصل از تصویربرداری را به آن آموزش دهند. این الگوریتم پس از یادگیری داده ها توانست الگوهای رابط میان متغیرها و مرگ و میر یا حمله قلبی را با دقت بیش از 90 درصد شناسایی کند.

یادگیری ماشینی در حال حاضر هر روز مورد استفاده قرار می گیرد. موتور جستجوی گوگل، سیستم تشخیص چهره تلفن همراه، خودروهای خودران و سیستم هایی از این دست برای سازگار شدن با کاربر، از الگوریتم های یادگیری ماشینی استفاده می نمایند.

دکتر لوئیس ادواردو جوارز- اوروزکو(Luis Eduardo Juarez-Orozco)، از پژوهشگران این پروژه گفت: پیشرفت یادگیری ماشینی، بسیار فراتر از پیشرفت های اجرا شده در حوزه پزشکی است. ما در حوزه پزشکی باید مراقب خطرات احتمالی و پیامدهای ناشی از آنها باشیم. اگرچه داده های بسیاری در این حوزه در اختیار داریم اما تا زمانی که اطمینان کافی نداشته باشیم، نمی توانیم از آنها استفاده کنیم.

پزشکان برای تصمیم گیری در خصوص درمان، از رتبه بندی خطر استفاده می نمایند اما این رتبه ها، بر اساس مجموعه کوچکی از متغیرها شکل می گیرند و اغلب دقت کافی را ندارند. یادگیری ماشینی با یاری تکرار و تنظیم می تواند مجموعه بزرگی از داده ها را ارائه دهد و الگوهای پیچیده ای را شناسایی کند که شاید انسان ها از عهده آن برنیایند.

پژوهشگران در این پروژه، احتمال ابتلاء به بیماری سرخرگ کرونری(CAD) را در 950 بیمار که از درد قفسه سینه رنج می بردند، مورد آنالیز قرار دادند. آنها توانستند با یاری یک روش تصویربرداری موسوم به سی تی آنژیوگرافی کرونری (CCTA)، داده هایی در خصوص سرخ رگ های کرونری، باریک شدن رگ و تجمع کلسیم در آن به دست آورند. کسانی که در این مرحله، مشکوک به داشتن بیماری تشخیص داده شدند، با پت اسکن نیز مورد آنالیز قرار گرفتند.

طی یک پژوهش شش ساله، 24 حمله قلبی و 49 مرگ مورد آنالیز قرار گرفتند و 85 نوع متغیر به ثبت رسید. پژوهشگران، 85 متغیر را به یک الگوریتم یادگیری ماشینی موسوم به لوجیت بوست(LogitBoost) وارد کردند. این الگوریتم، متغیرها را چندین بار مورد آنالیز قرار داد تا بهترین ساختار را برای شناسایی افرادی که در معرض حمله قلبی یا مرگ قرار دارند، پیدا کند.

جوارز- اوروزکو ادامه داد: این الگوریتم، اطلاعات خود را از داده ها به دست می آورد و پس از تحلیل های بسیار، الگوهایی را مشخص می نماید که باید برای شناسایی بیمارانی که در معرض حمله قلبی یا مرگ قرار دارند، به کار روند.

وی اضافه کرد: پزشکان در حال حاضر، داده های بسیاری را درباره بیماران گردآوری می نمایند. ما دریافتیم که یادگیری ماشینی می تواند با ادغام این داده ها، احتمال وجود خطر مرگ یا حمله قلبی را به دقت پیش بینی کند. این روش به ما امکان می دهد تا درمان های شخصی سازی شده را برای بیماران ارائه دهیم و در نهایت به پیامدهای بهتری برسیم.