بر اساس مطالعهای که اخیراً در مجله منتشر شده است، محققان یک مدل مبتنی بر شبکه عصبی عمیق را برای پیشبینی موفقترین درمان ضد فشار خون برای یک فرد ایجاد کردهاند. مجموعه مقالات کلینیک مایو: سلامت دیجیتال.
فشار خون بالا یک عامل خطر اصلی برای یک مجموعه از بیماری های قلبی عروقی و سایر بیماری های بالقوه تهدید کننده زندگی است، مانند بیماری عروق کرونر، بیماری دریچه ای قلب، آریتمی قلبی، نارسایی کلیوی و سکته مغزی.
مدیریت موثر فشار خون بالا کلید کاهش پیامدهای نامطلوب است، اما محققان خاطرنشان کردند که دستورالعملهای بالینی برای درمان دارویی ضد فشار خون با استفاده از دادههای مطالعات انبوه ایجاد شده است. یافتههای این مطالعات معمولاً به سطح گروه دارویی تعمیم داده میشوند – که شباهتهایی را در کاهش فشار خون و پیامدهای قلبی عروقی طولانیمدت در رژیمهای دارویی نشان میدهد – اما پاسخ درمانی فردی به طور گستردهای متفاوت است.
برای بهینهسازی و فردی کردن درمان فشار خون بالا در مراقبتهای اولیه، محققان شروع به طراحی یک مدل یادگیری عمیق (DL) کردند که میتواند موفقیت درمان ضد فشار خون را در سطح بیمار پیشبینی کند.
این ابزار با استفاده از دادههای 16917 بیمار که به تازگی مبتلا به فشار خون بالا در مراکز مراقبت اولیه مایو کلینیک بین 1 ژانویه 2005 تا 31 دسامبر 2021 تشخیص داده شده بودند، آموزش داده شد.
معیارهای واجد شرایط بودن برای شرکت در مطالعه شامل تشخیص فشار خون اولیه، وجود اندازه گیری فشار خون و کراتینین قبل از درمان ضد فشار خون، درمان در 9 ماه پس از تشخیص اولیه و حداقل یک سال پیگیری بود.
پیامد اولیه ارزیابی شده در این مطالعه، عملکرد مدل در زمینه پیشبینی احتمال موفقیت درمان ضد فشار خون یک سال پس از شروع درمان بود. موفقیت درمان ضد فشار خون در این مطالعه به عنوان “دستیابی به کنترل فشار خون بدون عوارض جانبی متوسط یا شدید” تعریف شد.
سپس این مدل روی گروهی متشکل از 1000 بیمار تأیید شد.
از 16917 بیمار در مجموعه داده آموزشی، تقریباً 33.8 درصد به کنترل فشار خون بدون عوارض جانبی متوسط یا شدید حداقل یک سال پس از شروع درمان دست یافتند. رایج ترین درمان مورد استفاده در این گروه، مهارکننده آنزیم مبدل آنژیوتانسین بود که میانگین موفقیت آن 39.1 درصد بود. موفق ترین درمان، ترکیب مهارکننده آنزیم مبدل آنژیوتانسین-تیازید با موفقیت متوسط 44.4 درصد بود.
مدل مبتنی بر شبکه عصبی عمیق عملکرد بالایی را با دقت 51.7 درصد، یادآوری 44.4 درصد و امتیاز F1 47.8 درصد هنگام پیشبینی موفقیت درمان فردی ضد فشار خون به دست آورد.
در مقایسه با دستورالعملهای فشار خون بالا کمیته ملی هشتم، عملکرد واقعی پزشک در اعتبار 77.9 درصد همسو بود، در حالی که مدل در 95.7 درصد مواقع با دستورالعملها موافق بود.
این نتایج باعث شد تیم تحقیقاتی به این نتیجه برسند که یک ابزار یادگیری عمیق پتانسیل پیشبینی دقیق احتمال موفقیت درمان ضد فشار خون را دارد که میتواند مدیریت شخصیسازی فشار خون را افزایش دهد.
ابزارهای هوش مصنوعی (AI) و یادگیری ماشینی (ML) برای سایر بیماری های قلبی عروقی نیز به کار گرفته شده اند.
در ماه نوامبر، تحقیقاتی که در نشستهای علمی انجمن قلب آمریکا (AHA) ارائه شد، نشان داد که هوش مصنوعی و یادگیری عمیق ممکن است به تشخیص بیماریهای قلبی و خطر رویدادهای قلبی عروقی کمک کند.
در مطالعه اول، محققان توانایی متخصصان مراقبت های اولیه را با استفاده از گوشی پزشکی استاندارد با یک برنامه هوش مصنوعی با استفاده از داده های گوشی پزشکی دیجیتال برای تشخیص بیماری احتمالی دریچه قلب مقایسه کردند. هوش مصنوعی به طور قابل توجهی از پزشکان در این کار بهتر عمل کرد و 22 نفر را که قبلاً بیماری دریچه قلب متوسط یا بیشتر تشخیص داده نشده بود، نشان داد.
مطالعه دوم بررسی کرد که آیا یک ابزار یادگیری عمیق می تواند با ارزیابی تصاویر چشم افراد مبتلا به پیش دیابت و دیابت نوع 2، خطر ابتلای بیمار به بیماری های قلبی عروقی را به دقت تعیین کند. پس از دوره مطالعه 11 ساله، 12.5 درصد از شرکت کنندگان یک رویداد قلبی عروقی را تجربه کردند و این مدل توانست شرکت کنندگان را به طور دقیق در گروه های کم، متوسط و پرخطر طبقه بندی کند.