پیشرفت هوش مصنوعی در ارائه مراقبت‌های دقیق‌تر قلب و عروق
بر اساس یادداشت علمی تازه‌ای که در نشریه Open Heart منتشر شده است، هوش مصنوعی (AI) با افزایش دقت تشخیص، بهبود ارزیابی سطح خطر و کمک به تصمیم‌گیری‌های بالینی، در حال دگرگون کردن پزشکی قلب و عروق است. نویسندگان این یادداشت با بررسی کاربردهای نوظهور هوش مصنوعی در مراقبت‌های قلبی، به پژوهش‌هایی پرداخته‌اند که می‌توانند به کاهش فاصله میان توسعه الگوریتم‌ها و استفاده عملی از آن‌ها در محیط‌های درمانی کمک کنند.
نقش هوش مصنوعی در افزایش دقت تشخیص بیماری‌های قلبی
روش‌های مبتنی بر هوش مصنوعی در حال گسترش قابلیت‌های ابزارهای تشخیصی موجود هستند و به پزشکان امکان می‌دهند ناهنجاری‌هایی را شناسایی کنند که تشخیص آن‌ها با روش‌های متداول ارزیابی دشوار است.
یکی از پژوهش‌های بررسی‌شده در این یادداشت نشان می‌دهد که یادگیری عمیق می‌تواند تصاویر رادیوگرافی قفسه سینه را به ابزاری برای غربالگری تنگی دریچه میترال تبدیل کند؛ قابلیتی که می‌تواند دسترسی به روش‌های تشخیص بیماری‌های قلبی و عروقی را بهبود بخشد.
همچنین، استفاده از یادگیری ماشین در تحلیل تصاویر سی‌تی‌اسکن عروق کرونر، شناسایی ویژگی‌های پرخطر پلاک‌های عروقی را امکان‌پذیر کرده است؛ ویژگی‌هایی که ممکن است در بررسی چشمی متداول نادیده گرفته شوند. این فناوری می‌تواند زمینه را برای پیش‌بینی دقیق‌تر خطر سکته قلبی فراهم کند.
کاربرد نوظهور دیگر، استفاده از هوش مصنوعی مولد برای تفسیر تصاویر آنژیوگرافی عروق کرونر است. پژوهشگران با مقایسه عملکرد ChatGPT-4o و متخصصان باتجربه قلب و عروق مداخله‌ای، ظرفیت مدل‌های زبانی بزرگ را برای کمک به ارزیابی‌های پیچیده بالینی بررسی کرده‌اند.
پژوهش‌های دیگری نیز کاربرد رادیومیکس، یعنی استخراج و تحلیل ویژگی‌های کمی تصاویر پزشکی، و تحلیل امواج نبض را برای ارزیابی خطر عود فیبریلاسیون دهلیزی و بررسی وضعیت همودینامیک مرکزی بدن، بدون نیاز به روش‌های تهاجمی، بررسی کرده‌اند.
بهبود پیش‌بینی خطرات قلبی و عروقی با یادگیری ماشین
کاربرد یادگیری ماشین تنها به تشخیص بیماری محدود نمی‌شود. این فناوری با عبور از محدودیت‌های نظام‌های متداول امتیازدهی مبتنی بر داده‌های جمعیتی، به ارزیابی دقیق‌تر سطح خطر بیماری‌های قلبی و عروقی کمک می‌کند.
در این یادداشت به الگوریتم‌های مبتنی بر تقویت گرادیانی، از جمله XGBoost و CatBoost، اشاره شده است که پژوهشگران کاربرد آن‌ها را برای هدایت تصمیم‌گیری درباره تصویربرداری عروق کرونر و برآورد خطرات ۳۰ روز پس از جراحی‌های غیرقلبی بررسی کرده‌اند.
نکته مهم دیگر، استفاده از چارچوب‌های هوش مصنوعی توضیح‌پذیر، از جمله روش توضیحات افزایشی شاپلی (SHAP)، برای روشن کردن عوامل مؤثر بر پیش‌بینی خطر در هر بیمار است. این روش‌ها با مشخص کردن نقش عوامل مختلف در نتایج پیش‌بینی، به رفع نگرانی‌ها درباره دشواری تفسیر عملکرد الگوریتم‌های پیچیده کمک می‌کنند.
پژوهشگران همچنین روش‌های خوشه‌بندی بدون نظارت را برای شناسایی و دسته‌بندی فنوتیپ‌های مختلف نارسایی قلبی بررسی کرده‌اند. این رویکرد می‌تواند امکان ارزیابی متناسب‌تر با ویژگی‌های هر بیمار را فراهم کند و محدودیت‌های طبقه‌بندی سنتی نارسایی قلبی بر اساس کسر جهشی قلب را کاهش دهد.
شواهد علمی از به‌کارگیری هوش مصنوعی در آینده مراقبت‌های بالینی حمایت می‌کنند
مرورهای نظام‌مند و فراتحلیل‌هایی که کاربرد هوش مصنوعی را در تشخیص فیبریلاسیون دهلیزی و سی‌تی‌اسکن قلب بررسی کرده‌اند، نشان می‌دهند شواهد علمی پشتیبان استفاده از این فناوری در تشخیص بیماری‌های قلبی و عروقی رو به افزایش است.
با این حال، نویسندگان یادداشت تأکید کرده‌اند که استفاده موفق از هوش مصنوعی در محیط‌های بالینی مستلزم ادغام آن با فرایندهای کاری موجود و حفظ نظارت پزشکان است.
به گفته نویسندگان، مرحله بعدی نوآوری در پزشکی قلب و عروق باید بر تبدیل مدل‌های هوش مصنوعی که روزبه‌روز پیچیده‌تر می‌شوند، به ابزارهایی کاربردی و قابل‌تفسیر متمرکز باشد؛ ابزارهایی که بتوانند از تصمیم‌گیری‌های بالینی پشتیبانی کنند و به ارائه مراقبت‌های متناسب‌تر با شرایط هر بیمار کمک کنند.
منبع:
تانگ وای و همکاران. «هدایت انقلاب هوش مصنوعی: تحول مراقبت‌های قلب و عروق از طریق نوآوری‌های مبتنی بر هوش مصنوعی». نشریه Open Heart، سال ۲۰۲۶، جلد ۱۳، شماره ۱، مقاله e004160.
نویسنده: سیسیلیا آدامو