۳ طلا و ۲ نقره برای ایران در کشتی آزاد رنکینگ اتحادیه جهانی تاثیرات مخرب مصرف سیگار الکترونیکی بر لثه‌ها نسخه غذایی برای کبد چرب فواید فوق العاده شیر برای بدن آتش‌سوزی گسترده در بازار بزرگ شاهین‌شهر ادعای رسانه کره‌ای: دونده‌های ایرانی به اتهام تجاوز جنسی به یک زن کره‌ای دستگیر شدند جریمه ۱۵ میلیاردی پرسپولیس برای جذب فرشاد احمدزاده از سپاهان تعداد جانباختگان نشتی گاز در پالایشگاه شیراز به سه نفر رسید تعویض‌های طلایی لیگ بیست و چهارم فوتبال ایران جزییات انتخاب ملی پوشان اوزان ۸۲ و ۱۳۰ کیلوگرم کشتی فرنگی در مسابقات جهانی انفجار کوره ذوب فلزات در شهرک صنعتی ایلام / مصدومیت ۲ کارگر  دعوت دانشگر، مازیار زارع و رضا جعفری به کمیته اخلاق به دلیل اظهاراتشان پس از شکست در فینال جام حذفی تصاویر/ صفحه نخست روزنامه‌های ورزشی شنبه ۱۰ خرداد ۱۴۰۴ سریع‌ترین دونده ایران به فینال آسیا صعود کرد ۲ کودک در دریاچه پارک جنگلی نورآباد لرستان جان باختند

هوش مصنوعی به جنگ حمله قلبی می‌رود

هوش مصنوعی برای شناسایی ۵ نوع حمله قلبی به میدان آمده است.
تاریخ انتشار: ۱۰:۰۹ - ۰۹ خرداد ۱۴۰۲ - 2023 May 30
کد خبر: ۱۸۶۹۸۲

به گزارش راهبرد معاصر، حمله و نارسایی قلبی می‌تواند ناشی از عوامل متعددی باشد که نیاز به درمان‌های متفاوتی دارد. اکنون، محققان چندین مدل یادگیری ماشینی و هوش مصنوعی را با استفاده از یک مجموعه داده بزرگ و مبتنی بر جمعیت درگیر این مشکل، طراحی کرده اند تا پنج نوع فرعی نارسایی قلبی را شناسایی کنند که ممکن است به درمان، آموزش بیمار و پیش‌بینی عوامل خطر آتی کمک کند.

 

نارسایی قلبی یک اصطلاح کلی است که برای توصیف زمانی که قلب به اندازه کافی و موثر خون پمپاژ نمی‌کند تا نیاز‌های بدن به خون و اکسیژن را برآورده کند، استفاده می‌شود. این وضعیت ناشی از چندین عامل زمینه‌ای موثر بر درمان بیماری‌های قلبی است. عوامل تشدیدکننده خطر نارسایی قلبی شامل بیماری عروق کرونر و حملات قلبی، دیابت، فشار خون بالا، اضافه وزن و چاقی و بیماری نقص دریچه‌های قلب است.

 

محققان دانشگاه کالج لندن از چهار مدل یادگیری ماشینی برای ایجاد چارچوبی برای تعیین زیرشاخه‌های نارسایی قلبی استفاده کرده‌اند که ممکن است به درمان و تعیین خطر آن در آینده کمک کند.

 

برای جلوگیری از سوگیری که ممکن است در اثر استفاده از یک مدل یادگیری ماشینی ایجاد شود، محققان از چهار مدل برای جداسازی موارد نارسایی قلبی و گروه بندی استفاده کردند. پس از آموزش ماشینی با استفاده از بخش‌هایی از داده‌ها، مدل‌ها بر اساس ۸۷ عامل از ۶۳۵ عامل ممکن، شامل سن، علائم، وجود سایر بیماری‌ها، دارو‌هایی که بیمار مصرف می‌کرد، پارامتر‌های سلامتی مانند فشار خون و نتایج آزمایش‌ها مشخص شده و پنج زیرگروه تشکیل شدند.

 

این پنج زیرگروه عبارت بودند از: «شروع زودرس» شامل افراد جوان با نرخ پایین عوامل خطر، «دیررس» شامل افراد مسن تر، زنان همراه با دارو‌های تجویزی مربوط به بیماری قلبی عروقی، «مربوط به فیبریلاسیون دهلیزی» شامل افراد مبتلا به فیبریلاسیون دهلیزی وضعیتی که در آن قلب نامنظم می‌زند یا مبتلایان به بیماری دریچه‌های قلب، زیرگروه متابولیک شامل افراد دارای اضافه وزن با نرخ متوسط عوامل خطر، اما نرخ پایین بیماری قلبی عروقی و «Cardiometabolic» شامل افراد دارای اضافه وزن که تعداد زیادی از دارو‌های تجویز شده، با نرخ بالایی از عوامل خطر و بیماری‌های قلبی عروقی دریافت می‌کردند.

 

محققان دریافتند که خطر مرگ در سال پس از تشخیص بیماری قلبی بین انواع افراد عضو این زیرگروه‌ها متفاوت است. این ارقام در زیرگروه مربوط به فیبریلاسیون دهلیزی ۶۱ درصد بود، و پس از آن گروه دیررس با ۴۶ درصد، متابولیک قلبی با ۳۷ درصد، شروع زودرس با ۲۰ درصد و متابولیک با ۱۱ درصد قرار داشت. محققان اعلام کردند که یافته‌های این مطالعه می‌تواند برای بهبود درمان نارسایی قلبی استفاده شود./ باشگاه خبرنگاران

ارسال نظر
آخرین اخبار