هوش مصنوعی یک قدم جلوتر از انسان در پیش‌بینی مرگ
هوش مصنوعی می‌تواند با نگاهی به نتایج تست قلب، احتمال مرگ یک فرد را در طی یک سال آینده پیش‌بینی کند، حتی اگر به نظر پزشکان همه چیز طبیعی بوده و مشکلی خاصی وجود نداشته باشد. اینکه چگونه این امر انجام می‌گیرد، هنوز یک رمز و راز است.
برای رسیدن به این نتیجه‌گیری، محققان پنسیلوانیا، نتایج ۱٫۷۷ میلیون ECG و سایر سوابق مربوط به تقریباَ ۴۰۰۰۰۰ بیمار را تجزیه و تحلیل کردند. این تیم از این داده‌ها برای مقایسه مدل‌های مبتنی بر ماشین یادگیری که به طور مستقیم سیگنال‌های ECG خام را مورد تجزیه و تحلیل قرار می‌دهد یا با اتکا به اقداماتی که توسط انسان انجام می‌گیرد (ویژگی‌های استاندارد ECG که به طور معمول توسط یک متخصص قلب و عروق ضبط می‌شوند) استفاده کرده و الگوهای بیماری متداول را تشخیص داده‌اند. ECG یا الکتروکاردیوگرام فعالیت الکتریکی قلب را ثبت می‌کند. الگوی آن در مواردی مثل حمله قلبی یا فیبریلاسیون دهلیزی تغییر می‌کند.
شبکه عصبی قادر به پیش‌بینی دقیق خطر مرگ حتی در بیمارانیست که به نظر پزشک دارای یک ECG طبیعی هستند.
به نظر می‌رسد که مدل شبکه عصبی که مستقیماً سیگنال‌های ECG را تجزیه و تحلیل می‌کند، برای پیش‌بینی خطر مرگ فرد طی یک سال آینده برتری دارد. با کمال تعجب، شبکه عصبی قادر به پیش‌بینی دقیق خطر مرگ حتی در بیمارانیست که به نظر پزشک دارای یک ECG طبیعی هستند.
آنها عملکرد هوش مصنوعی را با استفاده از مقیاس معروفی به نام AUC اندازه‌گیری و چگونگی تمایز یک مدل بین دو گروه از افراد را اندازه‌گیری می‌کند-این دو گروه شامل بیمارانی می‌شود که در طی یک سال می‌میرند و گروهی که زنده می‌مانند. هوش مصنوعی به طور مدام امتیاز ۰٫۸۵ را ثبت می‌کند. در اینجا امتیاز ۱ امتیاز عالی در نظر گرفته شده و ۰٫۵ ارتباطی را بین دو گروه نشان نمی‌دهد.
هوش مصنوعی به طور دقیق خطر مرگ، حتی در افرادی که الگوی نوار قلب آنها توسط متخصصین قلب و عروق طبیعی به نظر می‌رسد را نیز پیش‌بینی کرده است.
هوش مصنوعی به طور دقیق خطر مرگ را حتی در افرادی که الگوی نوار قلب آنها توسط متخصصین قلب و عروق طبیعی به نظر می‌رسد را نیز پیش‌بینی کرده است. این در حالی است سه متخصص قلب که به طور جداگانه ECGهای معمولی را مورد بررسی قرار دادند، قادر به تشخیص الگوهای خطرساز از نظر هوش مصنوعی نبودند. این یافته نشان می‌دهد که این مدل در حال دیدن حقایقی است که احتمالاً انسان‌ها نمی‌توانند آن را ببینند، یا حداقل می‌تواند مواردی را خطر تلقی کند که ما فکر می‌کنیم طبیعی است.
این محققان می گویند:«هوش مصنوعی به طور بالقوه می‌تواند نکاتی را به ما بیاموزد که شاید برای ده‌ها سال نادرست تعبیر کرده‌ایم»
هنوز مشخص نیست که هوش مصنوعی چه الگویی را انتخاب می‌کند و همین امر باعث می‌شود برخی از پزشکان تمایلی به استفاده از چنین الگوریتم‌هایی نداشته باشند. محققان خاطر نشان کرده‌اند، اینکه چنین الگوریتمی نتایج بیماران را بهبود می‌بخشد، مهم است. این تحقیق در نشست‌های علمی انجمن قلب آمریکا در دالاس در تاریخ ۱۶ نوامبر ۲۰۱۹ ارائه خواهد شد. محققان امیدوارند که این مدل بتواند در شناسایی به موقع فیبریلاسیون دهلیزی کمک‌کننده باشد تا بتوان به موقع آن را درمان و از سکته قلبی پیشگیری کرد.
