[ad_1]
سکته قلبی (انفارکتوس) علت اصلی مرگ و میر در کشور ایالات متحده است.
پیشبینی میشود تا سال ۲۰۳۵ تقریبا نیمی از افراد بزرگسال در این کشور در معرض خطر حملات قلبی حاد باشند و از این بیماری رنج ببرند.
سکته قلبی علایم شایعی مانند درد قفسه سینه و تنگی نفس دارد ولی محققان دانشگاه فلوریدا میخواهند با استفاده از هوش مصنوعی یک حمله قلبی را پیشبینی کنند.
آنها میگویند حداقل میتوانند در بیمارانی که مستعد سکته قلبی هستند؛ یک حمله قلبی را در بازهای یک ساله پیشبینی کنند.
این محققان با استفاده از الگوهای یادگیری ماشینی میخواهند با داشتن اطلاعات خام و علایم بیمار به طور خودکار زمان مرگ ناشی از یک سکته قلبی را محاسبه و پیشبینی کنند.
در حال حاضر، این محاسبات به طور دستی انجام میشود ولی محاسبات مبتنی بر یادگیری ماشینی دقیقتر و قابل اعتمادتر است. پزشکان از نتایج این پیشبینی میتوانند برای بهبود و درمان بیمار استفاده کنند.
در این تحقیق، مدلهای مختلف استفاده از ماشین یادگیری برای پیشبینی مرگ ناشی از سکته قلبی یا دردهای پس از حمله قلبی مورد آزمایش و بررسی قرار گرفتند.
فریمورک منبعباز TensorFlow گوگل برای این پروژه انتخاب شده و روی یک پیسی با پردازنده Core i7 اینتل و سرعت ۲.۲ گیگاهرتز نصب شد. تیم تحقیق بیش از ۱۲ الگوریتم طبقهبندی اطلاعات را طراحی و با استفاده زا یادگیری ماشینی آموزش دادند.
برای مقایسه نتایج کار در هر مدل یادگیری ماشینی هم از سیستم تجزیه و تحلیل WEKA استفاده شده است که یک کیت توسعه نرمافزاری مبتنی بر جاوا از دانشگاه Waikato نیوزلند است.
این محققان برای دادههای آماری سراغ اطلاعات بیش از ۴۰ هزار بیمار در بخشهای پذیرش بیمارستانها برای بیماریهای قلبی عروقی، سکته قلبی، بستری ICU و نشانههای مشابه رفتند. این اطلاعات توسط آزمایشگاه دانشگاه MIT از بخشهای پذیرش بیمارتسانهای مختلف جمعآوری و دستهبندی شده است.
پیشبینی دقیقتر با دسترسی به اطلاعات کاملتر
در نهایت، پس از حذف برخی بیمارانی که به این تحقیق ارتباطی ندارند؛ اطلاعات و پرونده پزشکی ۵۴۳۶ بیمار سکته قلبی به عنوان جامعه آماری انتخاب شد. این بیماران تماما یک سال پس از سکته قلبی یا مشاهده علایم و دردهای ناشی از حمله قلبی؛ از دینا رفتند.
در نهایت، دو مدل یادگیری ماشینی توانستند حدود ۳۰ درصد از بیماران (تعداد ۱۶۲۹ نفر) را با دقت ۸۵.۱۲ درصد تشخیص دهند که در مدت یک سال آینده به علت سکته قلبی فوت میکنند.
محققان میگویند وجود اطلاعات نادرست، ارزشهای آزمایشگاهی پایین، نمودارهای مخدوش و نداشتن اطلاعات کامل درباره علت مرگ برخی بیماران باعث ایجاد محدودیتهایی در این تحقیق شده است.
اگر هوش مصنوعی به دادههای دقیقتری دسترسی پیدا کند؛ میتواند با دقت و تحلیل بیشتری پیشبینی کند کدامیک از بیماران در طول یک سال آینده با سکته قلبی روبرو شده و احتمال مرگشان وجود دارد.
عوامل زیادی در مرگ و میر ناشی از سکته قلبی تاثیرگذار است و شناخت کامل این عوامل کمک میکند دقت پیشبینیها افزایش پیدا کند.
این نوشتههای پیشین ما را از دست ندهید
[ad_2]