تحقیقات جدید نشان می‌دهد که نحوه خوابیدن می‌تواند به پیش‌بینی خطر نارسایی قلبی تا ۱۰ سال قبل از بروز آن کمک کند. در این مطالعه، دانشمندان دریافتند که فعالیت الکتریکی قلب در مراحل اولیه خواب می‌تواند برای شناسایی خطرات سلامتی آینده استفاده شود. تنها با یک الکتروکاردیوگرام (ECG) که بر روی سینه فرد در حین خواب قرار می‌گیرد، هوش مصنوعی می‌تواند خطر ابتلا به ضربان قلب نامنظم، سکته مغزی، نارسایی قلبی یا حتی مرگ را در ۱۰ سال آینده پیش‌بینی کند.
این یافته‌ها در نشریه SLEEP منتشر شده و با حمایت مؤسسه ملی بهداشت ایالات متحده (NIH) انجام شده است. دیوید گاف، مدیر موقت مؤسسه ملی قلب، ریه و خون NIH، می‌گوید: “این رویکرد جدید می‌تواند افراد در معرض خطر بیماری‌های قلبی عروقی را سال‌ها قبل از بروز علائم بالینی شناسایی کند.”
تیم تحقیقاتی به رهبری دانشمندان دانشگاه اموری، ابتدا یک سیستم یادگیری عمیق را بر روی داده‌های بهداشتی عمومی نزدیک به ۱۶,۰۰۰ بیمار آموزش دادند. این بیماران در یک مطالعه خواب در بیمارستان عمومی ماساچوست در بوستون شرکت کرده بودند و در حین خواب فعالیت قلبی آن‌ها با ECG اندازه‌گیری شده بود. پس از آموزش، سیستم هوش مصنوعی در دو مجموعه داده دیگر نیز آزمایش شد که شامل نزدیک به ۱۰,۰۰۰ بیمار از بیمارستان دانشگاه اموری و ۱۳,۰۰۰ بیمار از مرکز پزشکی بته اسرائیل دیکونیس در بوستون بود.
در نهایت، این مدل توانست شرکت‌کنندگان را به سطوح مختلف خطر قلبی عروقی بلندمدت تقسیم کند. پس از تنظیم برای عوامل خطر سنتی و ویژگی‌های خواب، سیستم هوش مصنوعی توانست خطر ۱۰ ساله چندین نتیجه قلبی عروقی را پیش‌بینی کند. برای هر افزایش یک انحراف معیار در نمره خطر هوش مصنوعی، خطر ابتلا به فیبریلاسیون دهلیزی (ضربان قلب نامنظم) بین ۱۰۳ تا ۱۷۲ درصد افزایش یافت. همچنین خطر سکته مغزی بین ۱۹ تا ۴۰ درصد، خطر نارسایی قلبی بین ۶۹ تا ۱۳۳ درصد و خطر مرگ از هر دلیلی بین ۶۵ تا ۸۲ درصد افزایش یافت.
گاری کلیفورد، نویسنده این مطالعه و استاد مهندسی زیست‌پزشکی در دانشگاه فناوری جورجیا، می‌گوید: “اضافه کردن نمره از مدل یادگیری عمیق ما پیش‌بینی نتایج قلبی را فراتر از عوامل خطر شناخته شده بهبود بخشید.” او همچنین اشاره می‌کند که افزودن این نمرات به مطالعات خواب می‌تواند به بهبود شناسایی زودهنگام بیماری‌های قلبی عروقی کمک کند.
مشکلات خواب، مانند بی‌خوابی، به عنوان عوامل خطر شناخته شده برای بیماری‌های قلبی عروقی مطرح هستند. در حین آزمایش پلی‌سومنوگرافی (PSG)، که استاندارد طلایی برای تشخیص اختلالات خواب است، معمولاً فعالیت قلب نیز ثبت می‌شود. اما مگر اینکه این داده‌ها نشانه‌ای جدی از خطر را نشان دهند، معمولاً به آن‌ها توجهی نمی‌شود. این در حالی است که اطلاعات ظریف در مورد عملکرد قلب ممکن است هدر برود.
مدل‌های سنتی خطر قلبی عروقی معمولاً فقط به ثبت ECG در زمان بیداری یا راه رفتن توجه می‌کنند. اما در حین خواب، ممکن است نوسانات مهمی نیز ثبت شود. با استفاده از یک الگوریتم یادگیری عمیق، محققان در ایالات متحده دریافتند که ثبت‌های ECG در ترکیب با مراحل خواب، ارزش پیش‌بینی قوی برای نتایج سلامت قلبی عروقی دارند.
در واقع، با گنجاندن داده‌های استخراج شده از ECG در خواب، مدل‌های خطر قلبی عروقی موجود تا ۶ درصد برای فیبریلاسیون دهلیزی، تا ۹ درصد برای نارسایی قلبی و تا ۷ درصد برای پیش‌بینی مرگ و میر بهبود یافته‌اند. این افزایش‌های مطلق ممکن است به نظر کم‌اهمیت بیایند، اما همچنان توانایی ما را برای تفکیک افرادی که دچار نارسایی قلبی می‌شوند از افرادی که نمی‌شوند، بهبود می‌بخشند.
با ادامه توسعه، سیستم هوش مصنوعی می‌تواند به پزشکان کمک کند تا بیمارانی را که ممکن است در معرض خطر نارسایی قلبی باشند، شناسایی کنند. دیوید گاف می‌گوید: “در آینده، رویکردهای تحلیلی اثبات شده مانند این می‌توانند به عنوان ابزاری برای غربالگری نتایج نامطلوب قلبی عروقی در آزمایشات خواب موجود ادغام شوند.”
اگر این روایت برایتان جالب بود، کشف بعدی را از پیشنهادهای پایین انتخاب کنید.