به گزارش نیوزتل پژوهشگران اروپایی در بررسی جدیدی به این نتیجه رسیدند که دقت الگوریتم یادگیری ماشینی در پیش بینی حمله قلبی، بسیار دقیق تر از انسان است.
به گزارش نیوزتل به نقل از ایسنا و به نقل از مدیکال اکسپرس، شاید یادگیری ماشینی بتواند در پیش بینی مرگ و میر و یا حمله قلبی بر انسان غلبه کند.
پژوهشگران “انجمن تصویربرداری قلب و عروق اروپا”(EACVI) توانستند با تحلیل ۸۵ متغیر در ۹۵۰ بیمار، نحوه بررسی داده های حاصل از تصویربرداری را به آن آموزش دهند. این الگوریتم بعد از یادگیری داده ها توانست الگوهای رابط میان متغیرها و مرگ و میر یا حمله قلبی را با دقت بیشتر از ۹۰ درصد شناسایی کند.
یادگیری ماشینی هم اکنون هر روز مورد استفاده قرار می گیرد. موتور جستجوی گوگل، سیستم تشخیص چهره تلفن همراه، خودرو های خودران و سیستم هایی از این دست برای سازگار شدن با کاربر، از الگوریتم های یادگیری ماشینی استفاده می نمایند.
دکتر “لوئیس ادواردو جوارز- اوروزکو”(Luis Eduardo Juarez-Orozco)، از پژوهشگران این پروژه اظهار داشت: پیشرفت یادگیری ماشینی، بسیار فراتر از پیشرفت های صورت گرفته در حوزه پزشکی است. ما در حوزه پزشکی باید مراقب خطرات احتمالی و نتایج ناشی از آنها باشیم. باآنکه داده های بسیاری در این عرصه در اختیار داریم اما تا زمانی که اطمینان کافی نداشته باشیم، نمی توانیم از آنها استفاده نماییم.

پزشکان برای تصمیم گیری در مورد درمان، از رتبه بندی خطر استفاده می نمایند اما این رتبه ها، بر مبنای مجموعه کوچکی از متغیرها شکل می گیرند و اغلب دقت کافی را ندارند. یادگیری ماشینی با کمک تکرار و تنظیم می تواند مجموعه بزرگی از داده ها را عرضه نماید و الگوهای پیچیده ای را شناسایی کند که شاید انسان ها از عهده آن برنیایند.
پژوهشگران در این پروژه، احتمال ابتلاء به “بیماری سرخرگ کرونری”(CAD) را در ۹۵۰ بیمار که از درد قفسه سینه رنج می بردند، مورد بررسی قرار دادند. آنها توانستند با کمک یک روش تصویربرداری موسوم به “سی تی آنژیوگرافی کرونری” (CCTA)، داده هایی در مورد سرخ رگ های کرونری، باریک شدن رگ و تجمع کلسیم در آن به دست آورند. کسانی که در این مرحله، مشکوک به داشتن بیماری تشخیص داده شدند، با پت اسکن هم مورد بررسی قرار گرفتند.
طی یک پژوهش شش ساله، ۲۴ حمله قلبی و ۴۹ مرگ مورد بررسی قرار گرفتند و ۸۵ نوع متغیر به ثبت رسید. پژوهشگران، ۸۵ متغیر را به یک الگوریتم یادگیری ماشینی موسوم به “لوجیت بوست”(LogitBoost) وارد کردند. این الگوریتم، متغیرها را چندین بار مورد بررسی قرار داد تا بهترین ساختار را برای شناسایی افرادی که در معرض حمله قلبی یا مرگ قرار دارند، پیدا کند.
جوارز- اوروزکو افزود: این الگوریتم، اطلاعات خویش را از داده ها به دست می آورد و بعد از تحلیل های بسیار، الگوهایی را مشخص می کند که باید برای شناسایی بیمارانی که در معرض حمله قلبی یا مرگ قرار دارند، به کار روند.
وی ادامه داد: پزشکان هم اکنون، داده های بسیاری را درباره بیماران گردآوری می کنند. ما دریافتیم که یادگیری ماشینی می تواند با ادغام این داده ها، احتمال وجود خطر مرگ یا حمله قلبی را به دقت پیش بینی نماید. این روش به ما امکان می دهد تا درمان های شخصی سازی شده را برای بیماران عرضه دهیم و در نهایت به نتایج بهتری برسیم.