پژوهشگران با استفاده از هوش مصنوعی دریافتند با بهره گیری از یک تصویر معمولی« رادیوگرافی» قفسه سینه، قادر به پیش بینی خطر بیماری‌های قلبی عروقی ۱۰ ساله با عملکرد مشابه و افزایشی با استاندارد بالینی است.
پژوهشگران توضیح می‌دهند: اصطلاح یادگیری عمیق به زیرمجموعه‌ای از یادگیری ماشینی اشاره دارد که اساساً یک شبکه عصبی با سه یا چند لایه است که سعی می‌کند رفتار مغز انسان را شبیه سازی کرده و به او اجازه می‌دهد تا یاد بگیرد. ارزیابی خطر با وجود حجم زیادی از داده‌ها در میان بیماران مبتلا به بیماری قلبی عروقی، یک گام مهم در رویکرد فعلی برای پیشگیری اولیه از بیماری قلبی عروقی آترواسکلروتیک (ASCVD) است.
آگاهی از خطر ۱۰ ساله بیماری قلبی عروقی آترواسکلروتیک، بیمارانی را در گروه‌های پرخطر شناسایی می‌کند که احتمالاً سود زیادی به همراه دارد.
ارزیابی فعلی خطر مرگ ناشی از بیماری‌های قلبی بر مجموعه محدودی از عوامل خطر، یعنی سن، جنس، فشار خون سیستولیک، کلسترول و چربی، دیابت و سیگار کشیدن متکی است.
با این حال، به گفته دکتر یاکوب ویس (Jakob Weiss) رادیولوژیست مرکز تحقیقات تصویربرداری قلب و عروق در بیمارستان عمومی ماساچوست و پژوهشگر این مطالعات، متغیر‌های لازم برای محاسبه خطر بیماری‌های قلبی عروقی همیشه در دسترس نیستند که این موضوع باعث می‌شود رویکرد‌های غربالگری مبتنی بر جمعیت مطلوب باشد.
وی افزود: از آنجایی که اشعه ایکس قفسه سینه معمولا در دسترس است، رویکرد ما ممکن است به شناسایی افراد در معرض خطر کمک کند.
در مطالعه حاضر، دکتر وایس و تیم تحقیقاتی او مدل هوش مصنوعی را که CXR-CVD نامیده می‌شود را با استفاده از ۱۴۷ هزار و ۴۹۷ رادیوگرافی قفسه سینه (CXR) از ۴۰ هزار و ۶۴۳ شرکت کننده برای پیش بینی مرگ و میر ناشی از بیماری‌های قلبی عروقی استفاده کرد.
علاوه بر این، این تیم تحقیقاتی آزمایشات مستقلی را در گروه دوم مجزای بیماران سرپایی انجام داد که به طور بالقوه هیچ رویداد نامطلوب قلبی عروقی قبلی نداشتند.
با استفاده از مدل هوش مصنوعی، محققان به این نتیجه رسیدند که با بهره گیری از یک تصویر معمولی رادیوگرافی قفسه سینه، مدل هوش مصنوعی قادر به پیش بینی خطر بیماری‌های قلبی عروقی ده ساله با عملکرد مشابه و افزایشی با استاندارد بالینی است.
بنابر اعلام وبگاه hospitalhealthcare، پژوهشگران در پایان افزودند که از آنجایی که تصاویر رادیوگرافی معمولاً در دسترس هستند، می‌توانند به راحتی به شناسایی افراد در معرض خطر بالای بیماری قلبی عروقی کمک کرده و باعث ارزیابی عوامل خطر و پیشگیری هدفمند شود.