بر اساس یک مطالعه جدید استفاده از هوش مصنوعی برای تجزیه و تحلیل نوار قلب یا ECG تشخیص حملات قلبی شدید را بهبود بخشیده است. این مدل توانست مواردی با علائم غیرمتعارف و الگوهای نوار قلب آتیپیک را شناسایی کند و همزمان موارد مثبت کاذب را به میزان قابل توجهی کاهش دهد.
سکته قلبی همراه با افزایش بخش ST که به STEMI معروف است نوعی حمله قلبی بسیار شدید محسوب میشود. در این حالت یک شریان اصلی کرونری مسدود شده و از رسیدن خون به عضله قلب جلوگیری میکند. استاندارد مراقبت در این شرایط بازگرداندن سریع جریان خون با روش مداخله کرونری از راه پوست است.
متاسفانه تاخیر در دستیابی به زمان توصیهشده برای این مداخله همچنان یک چالش است. این مشکل به ویژه در بیمارستانها و مراکز روستایی که در این زمینه تخصص ندارند بیشتر دیده میشود. تاخیر بیش از ۹۰ دقیقه در بازگرداندن جریان خون نرخ مرگ و میر بیماران را تا سه برابر افزایش میدهد.
رابرت هرمان محقق ارشد این مطالعه از بیمارستان AZORG در بلژیک توضیح داد که تفسیر نوار قلب مبتنی بر هوش مصنوعی میتواند بهترین نتایج را به همراه داشته باشد. به گفته او این روش حملات قلبی واقعی را زودتر شناسایی میکند و همزمان فعالسازیهای غیرضروری سیستم اورژانس را کاهش میدهد.
او تاکید کرد که بهبود دقت تریاژ در اولین تماس پزشکی مراقبتهای اضطراری را سادهتر میسازد. این امر همچنین فشار و خستگی تیمهای بالینی را کاهش میدهد و اطمینان میدهد بیمارانی که واقعاً به مداخله فوری نیاز دارند آن را بدون تاخیر و به موقع دریافت خواهند کرد.
در یکی از اولین ارزیابیهای بزرگ این مدل هوش مصنوعی در محیط اورژانس محققان به صورت گذشتهنگر پرونده ۱۰۳۲ بیمار مشکوک به STEMI را بررسی کردند. این بیماران کسانی بودند که پروتکلهای اورژانسی بازگرداندن جریان خون برایشان فعال شده بود. دادهها از سه مرکز تخصصی مختلف بین ژانویه ۲۰۲۰ و می ۲۰۲۴ جمعآوری شدند.
نوار قلب اولیه هر بیمار توسط مدل هوش مصنوعی Queen of Hearts تجزیه و تحلیل شد. این مدل برای تشخیص انسداد حاد عروق کرونر و همچنین تشخیص موارد معادل STEMI و تمایز آنها از موارد خوشخیم آموزش دیده بود. نتایج آنژیوگرافی و نشانگرهای زیستی تایید کرد که از این میان ۶۰۱ بیمار واقعا دچار STEMI بودند و ۴۳۱ مورد به اشتباه مثبت تشخیص داده شده بودند.
مدل هوش مصنوعی ECG عملکرد بسیار بهتری نسبت به روش تریاژ استاندارد داشت. هوش مصنوعی توانست ۵۵۳ مورد از ۶۰۱ حمله قلبی واقعی را شناسایی کند در حالی که تریاژ استاندارد تنها ۴۲۷ مورد را به درستی تشخیص داده بود. نرخ مثبت کاذب برای مدل هوش مصنوعی فقط ۷.۹ درصد بود در حالی که این نرخ برای تریاژ استاندارد ۴۱.۸ درصد گزارش شد.
تیموتی دی هنری نویسنده ارشد مطالعه از بیمارستان کرایست در سینسیناتی بیان کرد که این نتایج پتانسیل بالای هوش مصنوعی را نشان میدهد. او اشاره کرد که تشخیص تقویتشده با هوش مصنوعی در اولین تماس پزشکی میتواند زمان رسیدن به درمان را کوتاه کرده و هشدارهای کاذب را کاهش دهد. این فناوری برای بهینهسازی انتقال بیماران از مراکز غیرتخصصی بسیار ارزشمند است.
همچنین محمد الخولی متخصص قلب در کلینیک مایو در سرمقالهای همراه این پژوهش محققان را برای توسعه مدلی عملیاتی در یکی از پیچیدهترین حوزههای قلب ستایش کرد. با این حال او هشدار داد که باید در تفسیر این مدل احتیاط کرد زیرا در اصل برای تشخیص شریانهای مسدود شده طراحی شده بود. او بر لزوم اعتبارسنجی بیشتر در جمعیتهای گوناگون و چالش ادغام این فناوری به عنوان مکمل قضاوت انسانی تاکید کرد.
