Արհեստական բանականությունը վաղ փուլում կհայտնաբերի սրտի անբավարարության ռիսկերը

Արհեստական բանականությունը (ԱԲ) կարող է օգտագործվել մարդկանց մոտ սրտի անբավարարության վտանգը նախապես բացահայտելու համար, այսինքն՝ այդ մարդիկ կարող են նախապես բուժում ստանալ ֏ խուսափել բարդություններից, ասել են Լիդսում գործող գիտնականները, տեղեկացնում է BBC-ին։

Լիդսի համալսարանի հետազոտողները «ուսուցանել» են Find-HF անունն ստացած ալգորիթմը, որպեսզի այն հայտնաբերի հիվանդության վաղ ախտանիշները՝ օգտագործելով հիվանդների մասին տվյալները:

Լիդսի համալսարանի պրոֆեսոր Քրիս Գեյլին ասել է, որ տեխնոլոգիան «վճռորոշ հնարավորությունների պատուհան» կբացի հիվանդների համար:

ԱԲ ալգորիթմն ուսուցանելու համար գիտնականներն օգտագործել են Մեծ Բրիտանիայի 565,284 չափահաս բուժառուների մասին տվյալները։ Այնուհետև այն փորձարկվել է Թայվանի ազգային համալսարանական հիվանդանոցի 106,026 մարդու տվյալների բազայի հիման վրա:

ԱԲ-ն կարողացել է ճշգրիտ կանխատեսել, թե որոնք են այն հիվանդները, որոնք ունեն սրտի անբավարարության զարգացման ամենաբարձր ռիսկը, և նրանց, որոնք կարող են նման խնդրով հոսպիտալացվել առաջիկա հինգ տարվա ընթացքում։

Կյանքի որակ

«Սա չափազանց հզոր և եզակի ազգային ռեսուրս է, և ժամանակն է օգտագործել այս տվյալները՝ հիվանդներին օգուտ տալու համար,- ասել է պրոֆեսոր Գեյլը,- Find-HF-ը կարող է երկու տարով արագացնել ախտորոշումը»։

Հետազոտողներն ասել են, որ այս ալգորիթմը կարող է օգտագործվել բժիշկների կողմից որպես վաղ նախազգուշացման համակարգ, ինչը թույլ կտա նրանց ավելի վաղ թեստավորել և ախտորոշել հիվանդներին:

Լիդսի համալսարանի առողջապահական տվյալների հետազոտող, բժիշկ Ռամեշ Նադարաջահն ասել է, որ շատ մարդիկ սրտի անբավարարության ախտորոշումն ստանում են շատ ուշ փուլում, երբ բուժումներն ավելի քիչ արդյունավետ են լինում։ Խոսքը, ըստ նրա, վերաբերում է հատկապես կանանց և տարեցներին։

«Մենք մեքենայական ուսուցման գործիքներ ենք օգտագործում կանոնավոր կերպով հավաքված տվյալների դեպքում սրտի անբավարարություն ունեցող մարդկանց ավելի վաղ բացահայտելու համար, որպեսզի նրանք կարողանան ճիշտ բուժում ստանալ և խուսափել հիվանդանոց տեղափոխվելուց և մահվանից և բարելավեն իրենց կյանքի որակը»,- ասել է նա:

ajax-loader