پژوهشگران استرالیایی با استفاده از یک الگوریتم ماشینی جدید، بیماری‌های قلبی-عروقی را از روی اسکن تراکم استخوان بیماران پیش‌بینی کنند.
به گزارش ایسنا و به نقل از نیو اطلس، پژوهشگران«دانشگاه ادیث کوان»(Edith Cowan University) استرالیا از نظر ماشینی برای ارزیابی اسکن تراکم استخوان و مشخص کردن رسوب کلسیم در آئورت استفاده کرده‌اند. آنها می‌گویند که این روش را در آینده می‌توان برای پیش‌بینی بیماری‌های قلبی-عروقی و سایر بیماری‌ها، حتی پیش‌بینی از ظاهر شدن علائم آنها سودمند باشد.
مواردی که رسوب کلسیم یا «کلسیفیکاسیون» (کلسیفیکاسیون) در دیواره داخلی رگ‌های خونی قلب می‌تواند مشکل‌ساز شود، کلسیفیکاسیون در آئورت که بزرگترین شریان بدن است نیز می‌تواند باعث ایجاد مشکل شود. رسوبات از قلب بیرون می‌آیند و همراه با جریان خون به سمت بالا می‌روند تا به مغز و بازوها برسند و سپس به سمت پایین شکم امتداد می‌یابند تا به شریان‌های کوچکتر هر پا بروند.
«کلسیفیکاسیون آئورت شکمی»(AAC)، رسوب کلسیم در بخشی از آئورت است که از شکم می‌گذرد. این امر می‌تواند به پیشروی بیماری‌های قلبی-عروقی مانند حمله قلبی و سکته منجر شود و خطر مرگ‌ومیر را به همراه داشته باشد. پژوهش‌های پیشین نشان داده‌اند که این نشانگر قابل اعتمادی برای عقل عقل در طول عمر است. کلسیفیک آئورت شکمی در اسکن‌های تراکم استخوان که معمولاً برای تشخیص استخوان پوکی در مهره‌های کمر استفاده می‌شود، قابل مشاهده است اما این تصاویر توسط یک متخصص بسیار آموزش دیده می‌شود که زمان می‌برد.
کلسیفیکاسیون آئورت شکمی معمولا توسط متخصصان آموزش‌دیده تصویربرداری و با استفاده از یک سیستم امتیازدهی ۲۴ عددی موسوم به «AAC-24» تعیین می‌شود. امتیاز صفر نشان‌دهنده عدم کلسیفیکاسیون و امتیاز ۲۴ نشان‌دهنده شدیدترین درجه آن است. اکنون پژوهشگران دانشگاه ادیث کوان به ماشینی روی آورده‌اند تا ارزیابی کلسیفیکاسیون و امتیازدهی را سرعت ببخشند.
پژوهشگران ۵۰۱۲ عکس از ستون فقرات را که توسط چهار مدل متفاوت از ماشین‌های بررسی تراکم استخوان به دست آمده بود، به مدل ماشینی خود وارد کردند. الگوریتم‌های دیگری نیز برای ارزیابی کلسیفیکاسیون آئورت شکمی با استفاده از این نوع تصاویر ابداع شده‌اند اما محققان می‌گویند که این بزرگترین و اولین پژوهشی است که در یک محیط واقعی و با استفاده از تصاویر به دست آمده از آزمایش‌های معمول تراکم استخوان انجام می‌شود.
سپس پژوهشگران، مدل عملکرد خود را در طبقه‌بندی دقیق تصاویر به گروه‌های کلسیفیکاسیون کم، متوسط و بالاتر امتیاز AAC-24 ارزیابی کردند. برای بررسی نتایج، امتیازهای کلسیفیکاسیون آئورت شکمی بر ماشینی، با امتیازهای داده شده توسط متخصصان انسان مقایسه شدند. هم متخصص و هم نرمافزار در ۸۰ درصد به یک تصمیم مشابه رسید.
لازم به ذکر است که نرمافزار سه درصد از افرادی که دارای امتیاز بالایی هستند، به اشتباه دارای امتیاز تشخیص داده است. «جاشوا لوئیس» (Joshua Lewis) از پژوهشگران این پروژه گفت: این یک موضوع قابل توجه است زیرا این افراد دارای بیشترین میزان بیماری هستند، بالاترین خطر بیماری قلبی-عروقی کشنده و غیرکشنده و بالاترین میزان مرگ‌ومیر هستند. اگر هنوز باید کارهایی برای بهبود دقت نرمافزار در مقایسه با دقت انسان انجام شود، اما این نتایج از الگوریتم نسخه 1.0 ما به دست آمده‌اند و ما نتایج را به طور قابل توجهی با نسخه‌های جدیدتر خود بهبود بخشیده‌ایم.
پژوهش می‌گویند، الگوریتم‌های ماشینی آنها می‌توانند اسکن تراکم استخوان را با سرعتی معادل ۶۰ هزار تصویر در روز تجزیه‌وتحلیل کند. وقتی در نظری که یک متخصص به طور متوسط بین پنج تا ۱۵ دقیقه زمان لازم است تا یک تصویر را تجزیه‌وتحلیل کند، می‌بینید که این یک پیشرفت بزرگ است.
لوئیس ادامه داد: از آنجایی که تصاویر و امتیازهای خودکار را می‌توان به سرعت و به آسانی در زمان آزمایش تراکم استخوان به دست آورد، این روش در آینده ممکن است به ابداع روش‌های موجود برای تشخیص زودهنگام بیماری‌های قلبی-عروقی و نظارت بر بیماری در طول آزمایش های بالینی معمولی کمک کند.
پژوهشگران معتقدند که روش آنها را می‌توان برای بیماری غربالگری‌ها پیش از ظهور علائم کار برد. لوئیس افزود: ارزیابی خودکار وجود کلسیفیکاسیون آفت شکمی و میزان آن با دقت مشابه دقت متخصصان تصویربرداری، امکان غربالگری در بزرگ را برای بیماری‌های قلبی-عروقی و سایر بیماری‌ها فراهم می‌کند. حتی پیش از اینکه چه کسانی را داشته باشند. این روش به افراد در معرض خطر کمک می‌کند تا تغییرات لازم در سبک زندگی را خیلی زودتر انجام دهند و در سال‌های آخر زندگی سالم‌تر باشند.
این پژوهش، در مجله «eBioMedicine» به چاپ رسید.
انتهای پیام