پیش‌بینی خطر ابتلا به بیماری‌‌ با یک کلیک ساده

به گزارش خبرنگار خبرگزاری علم و فناوری آنا، پژوهشگران به سرپرستی محققان دانشگاه ادیث کاون استرالیا، نرم‌افزاری را توسعه دادند که به‌سرعت اسکن‌های تراکم استخوان را برای تشخیص کلسیفیکاسیون آئورت شکمی (AAC)، پیش‌بینی‌کننده حوادث قلبی عروقی و سایر خطرات سلامتی تجزیه و تحلیل می‌کند.

این نرم‌افزار تصاویر را با توافق ۸۰ درصدی با کارشناسان پردازش می‌کند و می‌تواند در تشخیص زودهنگام بیماری در طی تمرینات بالینی معمول انقلابی ایجاد کند. اسکن تراکم استخوان اکنون می‌تواند به‌سرعت نشانگر خطر سلامت قلبی عروقی را شناسایی کند.

به لطف هوش مصنوعی به‌زودی می‌توانیم با فشار دادن یک دکمه، خطر ابتلا به بیماری‌های جدی در آینده را پیش‌بینی کنیم.

کلسیفیکاسیون آئورت شکمی (AAC) به تجمع رسوبات کلسیم در دیواره‌های آئورت شکمی اشاره دارد. این پدیده می‌تواند نشان‌دهنده افزایش خطر حوادث قلبی عروقی، از جمله حملات قلبی و سکته باشد. همچنین نشانگر خطر افتادن، شکستگی و زوال عقل در اواخر عمر را پیش‌بینی می‌کند. دستگاه‌های معمولی اسکن تراکم استخوان که برای تشخیص پوکی استخوان استفاده می‌شوند، به‌راحتی می‌توانند AAC را نیز تشخیص دهند.

با این حال، خوانندگان متخصص بسیار آموزش‌دیده می‌توانند این تصاویر را بررسی کنند؛ فرآیندی که می‌تواند پنج تا پانزده دقیقه برای هر تصویر طول بکشد. نرم‌افزار دانش‌پژوهان دانشکده علوم و دانشکده علوم پزشکی و بهداشت دانشگاه ادیث کاون می‌تواند اسکن‌ها را بسیار بسیار سریعتر تجزیه و تحلیل کند: تقریباً ۶۰ هزار تصویر در یک روز.

«جاشوا لوئیس» (Joshua Lewis) سرپرست و مجری این تحقیقات می‌گوید: این افزایش قابل توجه در کارایی، برای استفاده گسترده از AAC در تحقیقات و همچنین کمک به افراد برای جلوگیری از ابتلا به مشکلات سلامتی در آینده حیاتی خواهد بود.

وی توضیح می‌دهد: از آنجایی که این تصاویر و نمرات خودکار را می‌توان به‌سرعت و به‌راحتی در زمان انجام آزمایش تراکم استخوان به دست آورد، این پیشرفت می‌تواند به ارائه رویکرد‌های جدیدی در آینده برای تشخیص زودهنگام بیماری‌های قلبی عروقی و نظارت بر بیماری در طول تمرینات بالینی رایج، منجر شود.

این پیشرفت علمی ناشی از همکاری بین‌المللی و بین‌رشته‌ای بین دانشگاه ادیث کوان استرالیا، دانشگاه وسترن استرالیا، دانشگاه مینه‌سوتا، ساوت‌همپتون، دانشگاه منیتوبا، موسسه تحقیقات پیری مارکوس و دانشکده پزشکی هاروارد است. در این پژوهش بین‌المللی دکتر «سید ذوالقرنین گیلانی» از دانشگاه ادیث کوان استرالیا و دکتر «محمد جعفری جوزانی» از دانشگاه منیتوبا کانادا مشارکت داشته‌اند.

اگرچه، این پژوهش اولین الگوریتم توسعه‌یافته برای ارزیابی AAC از این تصاویر نیست؛ اما بزرگ‌ترین مطالعه در نوع خود است که بر اساس رایج‌ترین مدل‌های دستگاه تراکم استخوان مورد استفاده قرار گرفته است. این اولین الگوریتمی است که در یک محیط واقعی با استفاده از تصاویر به دست آمده از بررسی‌های عادی تراکم استخوان، آزمایش می‌شود. در این تحقیق، متخصصان و گروه نرم‌افزاری، بیش از پنج هزار تصویر را مورد تجزیه و تحلیل قرار دادند.

پس از مقایسه نتایج، کارشناسان و مهندسان نرم‌افزار در مورد میزان AAC (کم، متوسط یا زیاد) در ۸۰ درصد مواقع به یک نتیجه رسیدند. با توجه به اینکه این اولین نسخه نرم افزار بود، این رقم بسیار چشمگیر است.

نکته مهم این است که تنها ۳ درصد از افرادی که سطح AAC بالایی داشتند به اشتباه توسط نرم‌افزار، سطوح پایین، تشخیص داده شدند. لوئیس می‌گوید: این قابل توجه است؛ زیرا این افراد دارای بیشترین میزان بیماری و بالاترین خطر حوادث قلبی عروقی کشنده و غیرکشنده و مرگ و میر ناشی از همه علل هستند.

وی تأکید می‌کند: در حالی که هنوز کار برای بهبود دقت نرم‌افزار در مقایسه با خوانش‌های انسانی وجود دارد، این نتایج الگوریتم نسخه ۱.۰ ماست. ما در حال حاضر نتایج را به طور قابل توجهی با نسخه‌های جدیدتر خود بهبود بخشیده‌ایم.

ارزیابی خودکار از وجود و میزان AAC با دقتی مشابه آنچه که متخصصان تصویربرداری به دست می‌آورند، امکان غربالگری در مقیاس بزرگ برای بیماری‌های قلبی عروقی و سایر بیماری‌ها را حتی قبل از اینکه کسی علائمی داشته باشد، فراهم می‌آورد. این دستاورد علمی به افراد در معرض خطر امکان می‌دهد تغییرات لازم در شیوه زندگی را خیلی زودتر انجام دهند و موجب می‌شود سال‌های بعدی در زندگی را به شیوه سالم‌تری طی کنند.