محققان یک روش جدید مبتنی بر هوش مصنوعی (AI) ایجاد کردهاند که از تصاویر توموگرافی انسجام نوری (OCT) برای تشخیص خودکار فرسایش پلاک در شریانهای قلب استفاده میکند. کنترل پلاک شریانی بسیار مهم است، زیرا در صورت پاره شدن شریان، ممکن است جریان خون به قلب را مسدود کرده و باعث بروز حمله قلبی یا سایر مشکلات خطرناک شود. برای آشنایی بیشتر با روش جدید تشخیص بیماری های قلبی تا پایان مطلب با های فن تک همراه باشید.
هوش مصنوعی جدید می تواند به طور خودکار بروز یک بیماری جدی قلبی را تشخیص دهد. این روش به کمک تصاویر توموگرافی انسجام نوری داخل عروقی، روش جدیدی است که شناسایی فرسایش پلاک را آسانتر می کند.
ژائو وانگ، سرپرست تیم تحقیقاتی از دانشگاه علوم و فناوری الکترونیک چین گفت: «اگر پلاکهای کلسترول شریانهای پوششی شروع به فرسایش کنند، میتواند منجر به کاهش ناگهانی جریان خون به قلب شود که به سندرم حاد کرونری معروف است، که نیاز به درمان فوری دارد. روش جدید ما این قابلیت را دارد که به بهبود تشخیص بالینی فرسایش پلاک کمک کند و در روش های جدید درمان بیماران مبتلا به بیماری قلبی استفاده شود.
OCT یک تکنیک تصویربرداری نوری با وضوح میکرونی است که ممکن است در داخل رگهای خونی برای تولید تصاویر سه بعدی از شریانهای کرونر که خون را به قلب میبرند، استفاده شود. اگرچه OCT داخل عروقی توسط پزشکان، بیشتر در جهت بررسی فرسایش پلاک کاربرد دارد، اما به دلیل حجم داده های تولید شده و دشواری در تفسیر بصری تصاویر، از سطح قابل توجهی از تنوع در بین ناظران برخوردار است.
به منظور پرداختن به این موضوع، وانگ با تیمی از مهندسان مؤسسه خود و متخصصان پزشکی بیمارستان وابسته به دانشگاه پزشکی هاربین به سرپرستی بو یو همکاری کرد، تا یک روش خودکار و عینی ایجاد کند که بر اساس آن، از هوش مصنوعی برای شناسایی فرسایش پلاک استفاده میکند. در تصاویرمنتشر شده توسط گروه انتشارات Optica Publishing Group در مجله Biomedical Optics Express نشان می دهند که این روش آن قدر دقیق است که، احتمالاً به عنوان پایه ای برای تشخیص بالینی عمل می کند.
وانگ گفت: " روش ما با تکیه بر هوش مصنوعی به طور خودکار می تواند وجود فرسایش پلاک را، با کمک تصاویر OCT اصلی بدون هیچ داده اضافی دیگری، تشخیص دهد. توانایی تشخیص فرسایش پلاک به طور عینی و خودکار، زحمت تشخیص بالینی را کاهش می دهد."
استفاده از هوش مصنوعی
روش جدید شامل دو مرحله اولیه است. ابتدا، یک مدل هوش مصنوعی که به عنوان شبکه عصبی شناخته میشود. در این مدل، از تصویر اصلی و دو قطعه اطلاعات دیگر برای پیشبینی مناطق فرسایش احتمالی پلاک استفاده میکند. سپس پیشبینی اولیه توسط یک الگوریتم پردازش مبتنی بر ویژگیهای قابل تفسیر بالینی که، از دانش پزشکان حرفهای برای تشخیص استفاده میکنند تقلید کرده و اصلاح میشود.
وانگ گفت: «ما باید یک مدل هوش مصنوعی جدید ایجاد میکردیم که اطلاعات دقیق تصویر را در خود جای دهد، ویژگی کلیدی که برای شناسایی فرسایش پلاک در تصاویر OCT استفاده میشود. فناوری تصویربرداری OCT درون عروقی نیز بسیار مهم است زیرا در حال حاضر بهترین روش تصویربرداری با وضوح بالا است که می تواند برای تشخیص فرسایش پلاک در بیماران زنده استفاده شود.
هنگامی که OCT برای تصویربرداری داخل عروقی استفاده می شود، کاوشگر تصویربرداری به طور خودکار در داخل یک کاتتر به عقب کشیده می شود و صدها تصویر را در هر عقب نشینی تولید می کند. محققان روش خود را با استفاده از 16 پسکشی از مجموع 5553 تصویر OCT بالینی دارای فرسایش پلاک و 10 پسکشی ازمجموع 3224 تصویر بدون فرسایش پلاک، مورد آزمایش قرار دادند. روش خودکار 80 درصد از موارد فرسایش پلاک را در 73 درصد موارد به درستی پیشبینی کرد. آنها همچنین دریافتند که تشخیصهای مبتنی بر روش خودکار با تشخیصهای سه پزشک باتجربه مطابقت دارد.
وانگ گفت: «اگرچه اعتبار سنجی ایمنی و دریافت مجوزهای بیشتر برای استفاده بالینی در بیماران لازم است، اما این تکنیک می تواند تشخیص فرسایش پلاک را آسان تر کند. پزشکان نیز می توانند یافتههای الگوریتم را بررسی کنند و سپس علت سندرم حاد کرونری و بهترین استراتژیهای درمانی را برای بیماران تعیین کنند.»
مطالعه درمان های جدید
از این روش میتوان برای تجزیه و تحلیل مقادیر انبوه دادههای OCT موجود، با حذف فرآیند زمانبر و خستهکننده تشخیص دستی تصویر، استفاده نمود. این می تواند به دانشمندان کمک کند تا شناسایی و درمان فرسایش پلاک را بهبود بخشند. به عنوان مثال، فنر زدن عروق خونی اغلب مرسوم ترین روش برای بازیابی کاهش جریان خون در بیماران مبتلا به سندرم حاد کرونری استفاده می شود، اما مطالعات اخیر نشان می دهد که برخی از داروها ممکن است جایگزین بهتری نسبت به این روش تهاجمی درمان باشند.
وانگ گفت: " تصویربرداری داخل عروقی با کمک هوش مصنوعی میتواند ابزار بسیار خوبی برای تشخیص بیماری های عروق کرونر و درمان آن باشد. در آینده، این رویکرد جدید می تواند به پزشکان کمک کند تا استراتژی های درمانی فردی را برای مدیریت بهینه بیماران مبتلا به سندرم حاد کرونری توسعه دهند."
محققان اکنون در حال کار برای بهبود روش جدید خود با ترکیب اطلاعات سه بعدی و داده های بدون برچسب بیشتری برای بهبود عملکرد مدل هوش مصنوعی هستند. در آینده، آنها همچنین قصد دارند از یک مجموعه داده بزرگتر که شامل یک جمعیت جهانی برای آموزش و ارزیابی الگوریتم است، استفاده کنند. آنها علاوه بر این، میخواهند الگوریتم را در موقعیتهای بالینی مختلف با هدف نشان دادن ویژگی های بیشتر و ارزش بالقوه آن، مورد آزمایش قرار دهند.