سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / اولین همایش بین المللی تحول خدمات سلامت: تلفیق مراقبت، درمان، بازتوانی و امیدبخشی

کاربرد هوش مصنوعی در پیشبینی خطر نارسایی قلبی و بهبود مدیریت بیماران

نویسندگان :

عارف پوربافرانی¹ مهرداد آذربرزین²

1- دانشگاه آزاد اسلامی واحد نجف آباد 2- دانشگاه آزاد اسلامی واحد نجف آباد

کلمات کلیدی :

ارزیابی خطر،اکوکاردیوگرافی،الکتروکاردیوگرافی،تلهمدیسین،نارسایی قلبی،هوش مصنوعی،یادگیری ماشین

چکیده :

مقدمه: نارسایی قلبی بهدلیل ناهمگونی بالینی و تعدد منابع داده، پیشبینی خطر و مدیریت بیماران را با چالش مواجه میکند. هوش مصنوعی میتواند به ارزیابی خطر، تشخیص و تصمیمگیری درمانی کمک کند. روش ها: این مرور روایتی با جستوجوی هدفمند در PubMed/MEDLINE و منابع علمی مرتبط انجام شد. از میان منابع مرتبط با هوش مصنوعی، یادگیری ماشین و کاربردهای آنها در نارسایی قلبی، 12 منبع بر اساس ارتباط موضوعی، تازگی شواهد و دسترسی به متن کامل انتخاب و بررسی شدند. یافته ها: مدل هوش مصنوعی مبتنی بر الکتروکاردیوگرام تکلیدی، در سه جمعیت مستقل با افزایش حدود 3 تا 7 برابری خطر بروز نارسایی قلبی همراه بود و شاخص C هارل آن بین 0٫723 تا 0٫828 گزارش شد (1). همچنین، تحلیل هوشمند الکتروکاردیوگرام دوازدهلیدی در مطالعهای با 14٬126 شرکتکننده، پیشبینی خطر نارسایی قلبی را بهبود داد (2). در تشخیص نارسایی قلبی با کسر جهشی حفظشده، مدل مبتنی بر اکوکاردیوگرافی حساسیت 87٫8 درصد و ویژگی 81٫9 درصد داشت (3). مطالعات دیگر ظرفیت یادگیری ماشین را در پیشبینی مرگومیر داخل بیمارستانی (4) و پیشبینی بستری قریبالوقوع با استفاده از دادههای پایش از راه دور نشان دادند؛ در مطالعه دیگری نیز سطح زیر منحنی ROC با مدل هوش مصنوعی برابر با 0٫855 در مقایسه با 0٫727 در روش متعارف بود (5). نتیجه گیری: هوش مصنوعی ظرفیت پشتیبانی از پیشبینی خطر، تشخیص، پیشآگهی، پایش و تصمیمگیری درمانی فردمحور در نارسایی قلبی را دارد. بااینحال، تحقق ارزش بالینی آن مستلزم اعتبارسنجی در جمعیتهای مستقل، تعمیمپذیری مناسب و ادغام نتایج الگوریتمها در فرایند تصمیمگیری متخصصان است.