Í nýlegu rannsókn sem framkvæmd var af Cardiovascular Data Science (CarDS) rannsóknarstofunni við Yale School of Medicine, þróuðu rannsóknarmenn verkfæri fyrir gervigreind (AI) sem greinir einstaklinga í háum áhættu fyrir að þróa hjartabilun með því að analýsera rafhjartalínurit (ECG) myndir. Þetta nýstárlega verkfæri gerir kleift að greina hjartabilun fyrr, sem gæti leitt til þess að fækka innlögnum á sjúkrahús og fyrir tímabærum dauðsföllum, samkvæmt rannsóknarmönnunum. Niðurstöður rannsóknarinnar voru birtar á netinu í European Heart Journal. ECG eru óúrvalseinar rannsóknir sem meta rafmagnsvirkni hjartans með notkun rafskauta sem sett eru á húðina. Þar sem þessar prófanir eru oft framkvæmdar og eru auðfengnar, þjónar þær sem framúrskarandi vettvangur fyrir stórfellda skimun á hjartabilun. Hjartabilun er algengt hjarta- og æðasjúkdómur sem hefur áhrif á milljónir manna um allan heim. Í dag felur í sér að greina einstaklinga í háum áhættu fyrir hjartabilun venjulega í sér sambland af klínískum mati, þar á meðal heildstæðri klínískri sögu, líkamlegu skoðunum og blóðprufum, sem ekki er alltaf aðgengilegt, bendir fyrsti höfundurinn Lovedeep Singh Dhingra, MBBS, postdoktor við CarDS rannsóknarstofuna. Samkvæmt Dhingra þýðir AI-drifið verkfæri mikilvæga framfarir í mati á áhættu fyrir hjartabilun. „Módel okkar, sem notar mynd af 12-leiða ECG sem inntak, gat metið áhættu fyrir hjartabilun á áhrifaríkan hátt meðal mismunandi hópa í Bandaríkjunum, Bretlandi og Brasilíu, “ sagði hann.

„Við getum nú séð hverjir gætu verið í áhættu fyrir að þróa hjartabilun í framtíðinni, jafnvel áður en þeir sýna skýra einkenni. “ Yfirlýsingarmaður rannsóknarinnar, Rohan Khera, MD, MS, aðstoðarprófessor í læknisfræði (hjarta- og æðasjúkdóma) og forstöðumaður CarDS rannsóknarstofunnar, lagði áherslu á mikilvægar heilsufarslegar afleiðingar þessarar rannsóknar. „Í hvert skipti sem læknir framkvæmir ECG—ferlið sem þegar er hluti af venjulegri klínískri umönnun—veitir okkar auðvelda verkfæri tækifæri til skimunar og áfengiskönnunar fyrir hjarta- og æðasjúkdóma, “ útskýrði Khera. „Almenn aðgengi að ECG tækni, jafnvel í auðlindaskömmum aðstæðum, gerir snemmtæka íhlutun og betri árangur fyrir sjúklinga sem annars gætu verið ógreindir. “ Sem hluti af alþjóðlegu verkefni CarDS rannsóknarstofunnar var AI módel prufað í fjölmörgum alþjóðlegum hópum, sem undirstrikar möguleika þess á víðtækri innleiðingu. „Markmið okkar er að tryggja víðtæka og sanngjarna samþættingu AI-baserðu heilbrigðisteknifræði í hversdagslegri læknisfræðilegri framkvæmd, “ bætti Khera við. „Þetta er næsta áskorun okkar. “ Þessi rannsókn fékk styrki frá National Heart, Lung, and Blood Institute, National Institute on Aging af National Institutes of Health (NIH), og Doris Duke Charitable Foundation. Aðrir höfundar tengdir Yale eru Arya Aminorroaya, MD, PhD, Veer Sangha, Aline Pedroso, PhD, Harlan Krumholz, MD, SM, og Evangelos Oikonomou, MD, DPhil. Fyrir frekari upplýsingar, lestu greinina sem ber heitið „Hjartabilun áhættumat með gervigreind beitt á rafhjartalínurit myndir: alþjóðleg rannsókn. “ Deild innri læknisfræði við Yale School of Medicine er meðal leiðandi deilda landsins, sem sameina elítuhóp klínískra sérfræðinga, rannsóknarmanna, fræðimanna og starfsmanna innan eins af bestu lækniskólum heims. Til að læra meira, heimsækið Innri læknisfræði.