🔴 اخبار 📢
🔹پژوهشگران “دانشگاه جانز هاپکینز”، نوعی روش یادگیری عمیق را ابداع کرده‌اند که می‌تواند میزان بقای بیماران قلبی را پیش‌بینی کند.
پژوهشگران در این پروژه، یک راهبرد منحصر به فرد را برای افراد مبتلا به بیماری ایسکمیک قلبی ارائه داده‌اند که خطر مرگ ناگهانی مرتبط با آریتمی را پیش‌بینی می‌کند. این روش جدید که “SSCAR” نام دارد، تجزیه و تحلیل شبکه‌های عصبی را برای تخمین میزان بقای فردی در بیماری عروق کرونری ترکیب می‌کند و متغیرهای بالینی و “تصویربرداری تشدید مغناطیسی قلبی-عروقی” (CMR) را به کار می‌برد. روش SSCAR توانست زمان بقای بیمار را به صورت فردی پیش‌بینی کند.
علاوه بر این، تعمیم‌پذیری و عملکرد بالای یادگیری ماشینی، با استفاده از داده‌های چند مرکزی و یک مجموعه آزمون جداگانه ارزیابی شد. روش SSCAR از دو شبکه عصبی تشکیل شده است.
روش SSCAR، یک الگوی پیش‌بینی خطر مرگ ناگهانی مرتبط با آریتمی است که تصاویر خام را با سایر منابع داده ترکیب می‌کند. این سیستم، از تصاویر و فاکتورهای بالینی طی یک روش یادگیری یکپارچه استفاده می‌کند و به داده‌های مختلف امکان می‌دهد تا نمونه ابتدایی بقای کلی را نشان دهند.
یافته‌های این پژوهش نشان داد که روش پژوهشگران، یک تغییر اساسی در راهبرد تحلیل خطر آریتمی به شمار می‌رود؛ زیرا SSCAR از اطلاعات برای بررسی مستقیم عدم قطعیت در پیش‌بینی‌های خود استفاده می‌کند. این روش که ورودی آن تصاویر خام قلب است، بهتر از مدل‌های بقای معمولی عمل می‌کند که با استفاده از متغیرهای بالینی ساخته شده‌اند. این روش می‌تواند با ارائه برآوردهای قابل تعمیم و دقیق در مورد احتمال بقای بیمار، تصمیم‌گیری در مورد درمان را متحول کند.
