به نقل از «همشهری آنلاین»

هوش مصنوعی نوار قلب‌ را می‌خواند و بیماری را تشخیص می‌دهد

تاریخ انتشار: ۱۶ خرداد ۱۴۰۲ | کد خبر: ۳۷۹۱۷۱۳۳

به گزارش همشهری آنلاین به نقل از پژوهشگران آمریکایی در بیمارستان مانت ساینای (Mount Sinai)  یک مدل «هوش مصنوعی» (AI) ابداعی را برای تجزیه و تحلیل نوار قلب یا الکتروکاردیوگرام ایجاد کرده‌اند که نوار قلب را مانند یک زبان تفسیر می‌کند. این رویکرد جدید می‌تواند دقت و کارآمدی تشخیص‌ بیماری‌ها بر اساس نوار قلب را افزایش دهد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

این پژوهشگران در بررسی که یافته‌های آن را اخیرا در ژورنال npj Digital Medicine منتشر کرده‌اند. گزارش می‌کنند که این مدل جدید بر اساس «یادگیری ژرف» (deep learning) با نام HeartBEit اساسی را برای مدل‌های تشخیصی تخصص‌یافته ایجاد می‌کند. این پژوهشگران یادآور می‌شوند که در آزمون‌های مقایسه‌ای مدل‌های ایجادشده با استفاده از  HeartBEiT کارایی بیشتری نسبت به روش‌های شناخته‌شده برای تجزیه‌وتحلیل نوار قلب نشان داده‌اند.

مدل جدید هوش مصنوعی کارآیی بیشتری دارد

نویسنده اصلی مقاله این بررسی، دکتر آخیل واید، مدرس «پزشکی دیجیتال و داده‌محور»  (D3M) در دانشکده پزشکی ایکاهن در مونت‌سینایی می‌گوید مدل هوش مصنوعی ایجاد شده نسبت به «شبکه‌های عصبی  پیچشی یا همگشتی» (CNN) که به طور معمول در الگوریتم‌های یادگیری ماشینی برای تحلیل تصویری بوسیله کامپیوتر به کار می‌روند، کارآیی بیشتری داشته است. چنین CNN‌هایی اغلب با استفاده از تصاویر در دسترس عمومی از اشیای جهان واقعی از پیش آموزش داده می‌شوند.

او می‌گوید: «از آنجایی که HeartBEit  برای خواندن نوار قلب تخصص یافته است، می‌تواند با کارآیی دست کم به اندازه همین روش‌ها با استفاده از یک دهم داده‌ها عمل کند. این میزان کارآیی، به طور قابل‌ملاحظه‌ای تشخیص بر اساس نوار قلب را عملی‌تر می‌کند، به خصوص درباره عوار نادری که بیماران کمتری به آن مبتلا می‌شوند و بنابراین داده‌های محدودی درباره‌شان در دست است.»

نوار قلب وسیله تشخیصی ارزان و بدون تهاجم

الکتروکاردیوگرافی (ECG) یا گرفتن نوار قلب یک روش ارزان‌قیمت و غیرتهاجمی است که کاربرد گسترده‌ای در تشخیص بیماری‌های قلبی دارد. ام این حقیقت که پزشکان با چشم غیرمسلح همیشه نمی‌توانند الگوهای فعالیت الکتریکی در نوار قلب را که شاخص بیماری‌ها هستند، شناسایی کنند، این موضوع به خصوص درباره بیماری‌هایی صادق است که که معیارهای تشخیصی تثبیت‌شده ندارند یا ممکن است الگوهای فعالیت الکتریکی ایجاد کنند که بیش از حد ظریف یا نامنظم باشند که انسان بتواند آنها را تفسیر کند. هوش مصنوعی اکنون تحول بزرگی در علوم ایجاد کرده است، اما اغلب کارها تا به امروز بر CNN ها متمرکز بوده‌اند.

مانت ساینای اکنون با اتکا بر علاقه شدیدی که به سیستم‌های هوش مصنوعی به اصطلاح  مولد (Generative AI) که بر اساس «ترانسفورمرها» ساخته می‌شوند،ایجاد شده است، این حوزه را به جهت کاملا جدیدی کشانده است. هوش مصنوعی مولد بر اساس «ترانسفورمرها» است- مدل‌های یادیگری عمیق که با مجموعه‌ داده‌های بسیار گسترده متنی تعلیم می‌بینند تا بتوانند پاسخ‌های شبیه به انسان در مقابل پرسش‌ها یا پرامپت‌های مطرح‌شده بوسیله کاربران در تقریبا هر موضوعی ایجاد کنند. پژوهشگران مانت ساینای از یک مدل تولید تصویر مربوط برای ایجاد بازنمایی مشخصی از بخش‌های کوچکی از نوار قلب استفاده می‌کنند و به این ترتیب امکان تجزیه و تحلیل نوار قلب به عنوان یک زبان فراهم می‌شود.

این بازنمایی‌ها را می‌توان کلماتی منفرد شمرد و کل نوار قلب را یک سند منفرد. مدل HeartBEiT روابط بین این بازنمایی‌ها از بخش‌های نوار قلب را درک می‌کند و از این شناخت برای انجام وظایف تشخیصی جزئی‌تر به طور موثر استفاه می‌کند.

هوش مصنوعی بیماری را تشخیص می‌دهد

این پژوهشگران از این مدل هوش مصنوع برای سه وظیفه تشخیص حمله قلبی در بیماران، تشخیص یک اختلال  ژنتیکی نادر به نام کاردیومیوپاتی هیپرتروفیک در بیماران و تعیین میزان کارآمدی عملکرد قلب در بیماران استفاده کردند و به گفته آنها در هر سه مورد این مدل جدید بهتر از سایر روش‌های تشخیصی تثبیت‌شده عمل کرد.

این پژوهشگران HeartBEiT را با ۸/۵ میلیون نوار قلب به دست آمده از ۲/۱ میلیون بیمارکه در طول چهار دهه از چهار بیمارستان درون نظام بهداشتی مانت ساینای گردآوری شده بود، آموش دادند.  بعد آنها کارکرد این مدل جدید را در برابر یک چارچوب استاندارد CNN در سه حوزه تشخیصی قلبی آزمایش کردند. این بررسی نشان داد که HeartBEiT در اندازه‌های نمونه کوچکتر کارکرد بسیار بالاتر و نیز «توضیح‌پذیری» بهتری دارد.

کد خبر 765309 برچسب‌ها هوش‌ مصنوعی

منبع: همشهری آنلاین

کلیدواژه: هوش مصنوعی نوار قلب هوش مصنوعی بیماری ها مدل جدید بر اساس

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.hamshahrionline.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «همشهری آنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۹۱۷۱۳۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

هوش مصنوعی در جستجوی راز آلزایمر: ارتباط بین روده و مغز!

 به گزارش تابناک به نقل از عصرایران، به تازگی از یادگیری ماشینی برای پیش بینی نحوه اتصال متابولیت‌های ایجاد شده در روده با گیرنده‌های موجود در روده و مغز استفاده بسیاری شده است.
 

مجموعه‌ای از متابولیت‌ها و جفت‌های متصل شونده به گیرنده که اخیرا توسط محققان ایجاد شده اند، می‌توانند به منظور روشن کردن نقش میکروبیوم در بیماری آلزایمر مورد استفاده قرار گیرند.

محققان کلینیک کلیولند ویژگی‌های بیش از ۱ میلیون جفت بالقوه متابولیت و گیرنده را ارزیابی کرده‌اند تا ببینند که کدام یک از آن‌ها می‌توانند به یکدیگر متصل شوند. با شناسایی متابولیت‌های متصل به گیرنده‌های خاص، محققان توانستند مسیرهای بیولوژیکی را که این متابولیت‌ها ممکن است تحت تاثیر قرار دهند و همچنین هدف برخی از گیرنده‌ها را شناسایی کنند.

مطالعه مورد نظر از طریق مجله سل ریپورتز در اختیار علاقه مندان قرار گرفته است. نویسنده اصلی این تحقیق دکتر Feixiong Cheng، مدیر مرکز ژنوم کلینیک کلیولند، در یک بیانیه مطبوعاتی توضیح داد:

«متابولیت‌های روده کلید بسیاری از فرآیندهای فیزیولوژیکی در بدن ما هستند و همانطور که میدانیم برای هر کلید قفلی وجود دارد. البته مشکل این است که ما ده‌ها هزار گیرنده و هزاران متابولیت در بدن خود داریم و تشخیص اینکه کدام کلید با کدام قفل جفت و جور می‌شود، روندی کند و پرهزینه به شمار می‌رود. به همین دلیل است که تصمیم گرفتیم از هوش مصنوعی استفاده کنیم.»

سلامت روده چگونه بر سلامت مغز تاثیر می‌گذارد؟
وجود برخی متابولیت‌ها در روده تا حدی نشان دهنده حضور باکتری‌های خاص در این محیط است، زیرا این متابولیت‌ها از طریق تجزیه مواد غذایی در روده توسط باکتری‌ها ایجاد می‌شوند.

بیماری آلزایمر پیش از این نیز با تغییرات مشخص در میکروبیوم روده در انسان مرتبط شده است و احتمالا روده به واسطه نقشی که در عملکرد ایمنی دارد بر سلامت مغز اثر می‌گذارد. این مطالعات از طریق سری مجلات ناشر بریتانیایی بایومد مرکزی قابل دسترسی هستند.

دکتر استیو گندرون متخصص ایمونولوژی و غدد درون ریز که در مطالعه اخیر شرکت نداشته، در توضیح مکانیسم‌های احتمالی قیاس زیر را انجام داده است:

«روده را به عنوان یک بازار شلوغ تصور کنید که در آن انواع مواد شیمیایی مبادله می‌شوند. این مواد شیمیایی می‌توانند از جریان خون استفاده و به ایستگاه مرکزی مغز راه پیدا کنند. دانشمندان معتقد هستند که این خط ارتباطی ممکن است بر سلامت مغز اثر بگذارد زیرا اگر بازار (روده) شروع به فروش اقلام نامناسب (مانند مواد شیمیایی التهابی) کند، احتمال ابتلا به زوال مغز وجود خواهد داشت، یعنی همان مشکلی که در آلزایمر می‌بینیم. درست شبیه به این که از مواد فاسد در پخت کیک استفاده شده باشد!»

در حالی که نقش سیستم ایمنی در بیماری آلزایمر به خوبی شناخته نشده است، تحقیقات التهاب را با افزایش خطر ابتلا به این بیماری مرتبط می‌دانند و در این زمینه هم نظر هستند که التهاب مزمن می‌تواند در شروع بیماری مذکور نقش داشته باشد.

دکتر چنگ، نویسنده اصلی مطالعه، اضافه می‌کند: «بیماری آلزایمر یک بیماری چالش برانگیز به دلیل‌عدم وجود درمان موثر است. با این حال محور مغز-روده پتانسیل بالایی به منظور درمان اختلالات مغزی از خود نشان داده است.»

استفاده از هوش مصنوعی برای کشف مسیرهای نهفته در پس بیماری در آلزایمر
اگر بتوان از اتصال مضر متابولیت‌ها با گیرنده‌ها جلوگیری کرد، احتمال ابتلا به بیماری آلزایمر را نیز می‌توان کاهش داد. برای شناسایی جفت‌های متصل شونده، محققانی که در مطالعه حاضر بودند ابتدا یک تجزیه و تحلیل ژنتیکی برای شناسایی رابطه میان ۴۰۸ گیرنده و بیماری آلزایمر انجام دادند.

محققان با استفاده از کد ژنتیکی این گیرنده ها، از منابع هوش مصنوعی (AI) موجود برای پیش بینی شکل پروتئین‌های قابل اتصال، استفاده کردند. این روش دید خوبی از شکل نواحی اتصال گیرنده‌ها به دست می‌دهد.

در ادامه محققان توانستند پیش بینی کنند که کدام متابولیت‌ها و چگونه به این گیرنده‌ها متصل می‌شوند. بیشتر متابولیت‌های کشف شده لیپید یا متابولیت‌های لیپید مانند بودند.

و اما اهداف درمانی جدید برای آلزایمر؟
محققان همچنین چگونگی پاسخ این گیرنده‌ها به میکروبیوم افراد مبتلا به بیماری آلزایمر را بررسی کردند. آن‌ها با بررسی باکتری‌هایی که در میکروبیوم افراد مبتلا به بیماری آلزایمر فراوان هستند، دو متابولیت آگماتین و فنتیل آمین را شناسایی کردند که به ترتیب توسط باکتروئیدس فراژیلیس و رومینوکوک به وفور تولید می‌شوند.

سپس محققان تصمیم گرفتند با استفاده از سلول‌های بنیادی افراد مبتلا به آلزایمر، تاثیر این متابولیت‌ها را بر نورون‌های بیماران زیر نظر بگیرند.

آن‌ها دریافتند که آگماتین سطوح p-tau181، p-tau205، و پروتئین تاو کل را کاهش می‌دهد. مطالعات بیشتر روی فنتیل آمین نیز نشان داد که این متابولیت به طور قابل توجهی سطوح p-tau181، p-tau205 و تاو کل را در نورون‌ها به صورت وابسته به دوز کاهش می‌دهد.

این یک یافته امیدوار کننده است، زیرا تجمع بیش از حد پروتئین تاو با ایجاد بیماری آلزایمر مرتبط است.

چنگ گفت: «در مطالعات کنونی، ما صرفا فسفوریلاسیون تاو را اندازه‌گیری کردیم، زیرا فسفوریلاسیون تاو یک سنجش قوی و دقیق است. ما همچنین در حال انجام مطالعات پیش بالینی (حیوانی) بیشتری برای بررسی دقیق‌تر اثربخشی متابولیت‌های روده (به عنوان مثال، آگماتین) هستیم و ممکن است آن را در آزمایشات آینده و در افراد مسن نیز پیگیری کنیم.»

نویسندگان مطالعه خاطرنشان می‌کنند که ۹۹ درصد از آزمایشات بالینی در مورد مداخلات دارویی برای بیماری آلزایمر موفقیت‌آمیز نبوده است و چنگ اضافه می‌کند که یافته‌های آن‌ها می‌تواند به یک هدف جدید اشاره کند:

«این موضوع دقیقا همان فرضیه ما را شکل می‌دهد: بهبود سلامت روده ممکن است بر سطوح تاو در مغز تاثیر بگذارد، از بیماری آلزایمر پیشگیری یا حتی آن را درمان کند. با این حال، برای بررسی بیشتر این فرضیه به تحقیقات بیشتری در آینده نیاز داریم و اکنون با استفاده از نمونه‌های حیوانی و انسانی روی آن کار می‌کنیم.»