ภาวะหัวใจหยุดเต้น

Natalia Trayanova ผู้เขียนอาวุโสของ Murray B. Sachs ศาสตราจารย์ด้านวิศวกรรมชีวการแพทย์กล่าวว่า "การเสียชีวิตอย่างกะทันหันของหัวใจที่เกิดจากหัวใจเต้นผิดจังหวะมีมากถึงร้อยละ 20 ของการเสียชีวิตทั้งหมดทั่วโลก และเรารู้เพียงน้อยนิดว่าเหตุใดจึงเกิดขึ้นหรือจะบอกได้อย่างไรว่าใครมีความเสี่ยง" และการแพทย์ “มีผู้ป่วยที่อาจมีความเสี่ยงต่ำต่อการเสียชีวิตด้วยหัวใจกะทันหันที่ได้รับเครื่องกระตุ้นหัวใจโดยที่พวกเขาอาจไม่ต้องการ และยังมีผู้ป่วยที่มีความเสี่ยงสูงที่ไม่ได้รับการรักษาที่พวกเขาต้องการและอาจเสียชีวิตในช่วงชีวิตของพวกเขา สิ่งที่เรา อัลกอริทึมที่ทำได้คือระบุว่าใครมีความเสี่ยงต่อภาวะหัวใจตายและจะเกิดขึ้นเมื่อใด ช่วยให้แพทย์สามารถตัดสินใจได้อย่างชัดเจนว่าต้องทำอะไร" ทีมนี้เป็นคนแรกที่ใช้โครงข่ายประสาทเทียมเพื่อสร้างการประเมินการอยู่รอดส่วนบุคคลสำหรับผู้ป่วยโรคหัวใจแต่ละราย มาตรการความเสี่ยงเหล่านี้ช่วยให้มีโอกาสเกิดภาวะหัวใจตายเฉียบพลันได้อย่างแม่นยำในระยะเวลา 10 ปี และเมื่อมีโอกาสเกิดขึ้นมากที่สุด เทคโนโลยีการเรียนรู้เชิงลึกเรียกว่า Survival Study of Cardiac Arrhythmia Risk (SSCAR) ชื่อนี้สื่อถึงการเกิดแผลเป็นจากโรคหัวใจที่มักส่งผลให้เกิดภาวะหัวใจเต้นผิดจังหวะจนเสียชีวิต และเป็นกุญแจสำคัญในการคาดการณ์ของอัลกอริทึม ทีมใช้ภาพหัวใจที่ปรับปรุงคอนทราสต์ซึ่งแสดงภาพการกระจายของแผลเป็นจากผู้ป่วยจริงหลายร้อยรายที่โรงพยาบาล Johns Hopkins หัวใจหยุดเต้น ที่มีแผลเป็นในหัวใจเพื่อฝึกอัลกอริทึมในการตรวจจับรูปแบบและความสัมพันธ์ที่มองไม่เห็นด้วยตาเปล่า การวิเคราะห์ภาพหัวใจทางคลินิกในปัจจุบันจะแยกเฉพาะลักษณะของแผลเป็นอย่างง่าย เช่น ปริมาตรและมวล ซึ่งใช้สิ่งที่แสดงให้เห็นในงานนี้เป็นข้อมูลสำคัญต่ำกว่าความเป็นจริงอย่างมาก “ภาพเหล่านี้มีข้อมูลสำคัญที่แพทย์ไม่สามารถเข้าถึงได้” Dan Popescu ผู้เขียนคนแรก อดีตนักศึกษาปริญญาเอกของ Johns Hopkins กล่าว "แผลเป็นนี้สามารถกระจายได้หลายวิธีและบอกอะไรบางอย่างเกี่ยวกับโอกาสรอดชีวิตของผู้ป่วย มีข้อมูลซ่อนอยู่ในนั้น" ทีมฝึกเครือข่ายประสาทที่สองเพื่อเรียนรู้จากข้อมูลผู้ป่วยทางคลินิกมาตรฐาน 10 ปี ปัจจัย 22 อย่าง เช่น อายุ น้ำหนัก เชื้อชาติ และการใช้ยาตามใบสั่งแพทย์ของผู้ป่วย การคาดการณ์ของอัลกอริทึมไม่เพียงแม่นยำในทุกการวัดมากกว่าแพทย์เท่านั้น แต่ยังผ่านการตรวจสอบในการทดสอบกับกลุ่มผู้ป่วยอิสระจากศูนย์สุขภาพ 60 แห่งทั่วสหรัฐอเมริกา โดยมีประวัติหัวใจและข้อมูลภาพที่แตกต่างกัน บ่งชี้ว่าแพลตฟอร์มนี้สามารถนำมาใช้ได้ ได้ทุกที่ Trayanova ผู้อำนวยการร่วมของ Alliance for Cardiovascular Diagnostic and Treatment Innovation กล่าวว่า "สิ่งนี้มีศักยภาพในการกำหนดแนวทางทางคลินิกอย่างมีนัยสำคัญเกี่ยวกับความเสี่ยงของภาวะหัวใจเต้นผิดจังหวะ และเป็นขั้นตอนสำคัญในการนำการพยากรณ์โรคของผู้ป่วยไปสู่ยุคของปัญญาประดิษฐ์" "เป็นการสรุปแนวโน้มของการผสานปัญญาประดิษฐ์ วิศวกรรมศาสตร์ และการแพทย์เข้าด้วยกันในฐานะอนาคตของการดูแลสุขภาพ" ขณะนี้ทีมกำลังทำงานเพื่อสร้างอัลกอริทึมเพื่อตรวจหาโรคหัวใจอื่นๆ จากข้อมูลของ Trayanova แนวคิดการเรียนรู้เชิงลึกสามารถพัฒนาสำหรับสาขาการแพทย์อื่น ๆ ที่อาศัยการวินิจฉัยด้วยภาพ