سالم‌خبر: پژوهشگران دانشگاه جانز هاپکینز با بهره‌گیری از هوش مصنوعی موفق به توسعه مدلی شدند که می‌تواند با دقتی بی‌سابقه، خطر مرگ ناگهانی قلبی را در بیماران شناسایی کند؛ عملکردی که به‌مراتب بهتر از دستورالعمل‌های بالینی رایج و تشخیص انسانی است.

سالم‌خبر: پژوهشگران دانشگاه جانز هاپکینز با بهره‌گیری از هوش مصنوعی موفق به توسعه مدلی شدند که می‌تواند با دقتی بی‌سابقه، خطر مرگ ناگهانی قلبی را در بیماران شناسایی کند؛ عملکردی که به‌مراتب بهتر از دستورالعمل‌های بالینی رایج و تشخیص انسانی است.

این مدل که MAARS نام دارد، توانایی تحلیل هم‌زمان تصاویر MRI قلب و پرونده پزشکی کامل بیمار را دارد و می‌تواند الگوهای پنهان اسکار یا فیبروز قلبی را شناسایی کند. این الگوها اغلب از دید پزشکان پنهان می‌مانند، اما نقش کلیدی در بروز آریتمی‌های کشنده ایفا می‌کنند.

دکتر ناتالیا ترایانووا، پژوهشگر ارشد این پروژه، می‌گوید: «در حال حاضر برخی بیماران در اوج جوانی جان خود را از دست می‌دهند چون سیستم درمانی نمی‌تواند خطر را به‌درستی شناسایی کند؛ و در مقابل، برخی دیگر سال‌ها بی‌دلیل دستگاه دفیبریلاتور در بدن دارند.»

مدل MAARS برای نخستین بار روی بیماران مبتلا به کاردیومیوپاتی هیپرتروفیک آزمایش شد؛ یکی از شایع‌ترین بیماری‌های ارثی قلب که می‌تواند عامل مرگ ناگهانی در جوانان و ورزشکاران باشد. این مدل موفق شد با دقت ۸۹ درصدی خطر را پیش‌بینی کند و در افراد ۴۰ تا ۶۰ ساله، که آسیب‌پذیرترین گروه هستند، دقت آن به ۹۳ درصد رسید؛ در حالی که روش‌های سنتی تنها حدود ۵۰ درصد دقت داشتند.

MAARS برخلاف دیگر ابزارهای بالینی، نه‌تنها هشدار می‌دهد که چه کسی در معرض خطر است، بلکه می‌تواند علت خطر را هم شرح دهد تا پزشکان بتوانند درمان را متناسب با ویژگی‌های هر فرد طراحی کنند.

نتایج این مطالعه در مجله Nature Cardiovascular Research منتشر شده و تیم پژوهشی اعلام کرده‌اند که در آینده قصد دارند مدل را به سایر بیماری‌های قلبی از جمله سارکوئیدوز قلبی و کاردیومیوپاتی بطن راست گسترش دهند.

دکتر جاناتان کریسپین، متخصص قلب در جانز هاپکینز، تاکید می‌کند: «این مدل می‌تواند انقلابی در تشخیص، پیشگیری و نجات جان بیماران قلبی باشد.»