یک امتیاز هوش مصنوعی جدید این است که  پیش‌بینی دقیق‌تری از احتمال مرگ بیماران مشکوک یا شناخته شده مبتلا به عروق کرونر در طی 10 سال نسبت به نمرات ثابت شده توسط متخصصان بهداشت در سراسر جهان ارائه می‌کند.

بر خلاف روش‌های سنتی مبتنی بر داده‌های بالینی، امتیاز جدید همچنین شامل اطلاعات تصویربرداری از قلب است که با رزونانس مغناطیسی قلبی عروقی (CMR) اندازه‌گیری می‌شود.

دکتر تئو پزل گفت: "این اولین مطالعه ای است که نشان می دهد یادگیری ماشینی با پارامترهای بالینی به اضافه CMR استرس می تواند خطر مرگ را به دقت پیش بینی کند."

طبقه بندی خطر معمولاً در بیماران مبتلا یا در معرض خطر بالای بیماری قلبی عروقی به منظور مدیریت مناسب با هدف جلوگیری از حمله قلبی، سکته مغزی و مرگ ناگهانی قلبی استفاده می شود. ماشین حساب های معمولی از اطلاعات بالینی محدودی مانند سن، جنس، وضعیت سیگار کشیدن، فشار خون و کلسترول استفاده می کنند. این مطالعه دقت یادگیری ماشین را با استفاده از CMR استرس و داده‌های بالینی برای پیش‌بینی مرگ‌ومیر 10 ساله در بیماران مشکوک یا شناخته شده عروق کرونر بررسی کرد و عملکرد آن را با نمرات موجود مقایسه کرد.

دکتر Pezel توضیح داد: "برای پزشکان، برخی از اطلاعاتی که از بیماران جمع آوری می شود ممکن است برای طبقه بندی خطر مرتبط به نظر نرسد. اما یادگیری ماشینی می تواند تعداد زیادی متغیر را به طور همزمان تجزیه و تحلیل کند و ممکن است تداعی هایی را پیدا کند که ما از وجود آنها خبر نداشتیم، در نتیجه پیش بینی ریسک را بهبود می بخشد."

یادگیری ماشینی در دو مرحله انجام شد. ابتدا برای انتخاب اینکه کدام یک از پارامترهای بالینی و CMR می تواند مرگ را پیش بینی کند و کدام نمی تواند استفاده شد. دوم، یادگیری ماشین برای ساختن یک الگوریتم بر اساس پارامترهای مهم شناسایی شده در مرحله یک، با تخصیص تاکید متفاوت به هر کدام برای ایجاد بهترین پیش‌بینی، استفاده شد.

سپس به بیماران نمره 0 (خطر کم) تا 10 (خطر زیاد) برای احتمال مرگ در 10 سال داده شد. امتیاز یادگیری ماشین قادر به پیش‌بینی زنده یا مرده بودن بیماران با دقت 76 درصد بود.

دکتر پزل گفت: “CMR استرس یک تکنیک بی خطر است که از اشعه استفاده نمی کند. یافته‌های ما نشان می‌دهد که ترکیب این اطلاعات تصویربرداری با داده‌های بالینی در یک الگوریتم تولید شده توسط هوش مصنوعی ممکن است ابزار مفیدی برای کمک به پیشگیری از بیماری‌های قلبی عروقی و مرگ ناگهانی قلبی در بیماران مبتلا به علائم قلبی عروقی یا عوامل خطر باشد.

201000921.029