Reklama

Algorytm przewidzi, kiedy ryzyko zawału serca jest największe

​Nowy system sztucznej inteligencji (AI) wykorzystujący uczenie maszynowe może z powodzeniem przewidzieć ryzyko zatrzymania akcji serca, wykorzystując dane czasowe i pogodowe.

Reklama

Należy jednak zauważyć, że nowa aplikacja uczenia maszynowego przewiduje, kiedy może wzrosnąć ryzyko zawału serca, a w następstwie - zgonu. 

Reklama

Uczenie maszynowe opiera się na założeniu, że systemy mogą się uczyć i samodoskonalić na podstawie danych, identyfikując wzorce i dostosowując się przy niewielkiej lub zerowej interwencji człowieka. Badanie wykazało, że pozaszpitalne ryzyko zatrzymania krążenia było najwyższe w niedziele, poniedziałki, podczas gwałtownych spadków temperatury w ciągu lub między dniami oraz w dni wolne od pracy.

Zdaniem badaczy nowe odkrycia mogą służyć jako system wczesnego ostrzegania, obniżając ryzyko śmiertelnych epizodów i zwiększając szanse przeżycia, a także poprawiając zdolność służb ratownictwa medycznego do przygotowania się na poważne sytuacje. Jest to istotne, ponieważ pozaszpitalne zatrzymania krążenia są powszechne na całym świecie i zazwyczaj wiążą się z niskimi wskaźnikami przeżycia. Ryzyko jest dodatkowo komplikowane przez warunki pogodowe. Dane meteorologiczne są bardzo złożone, ale uczenie maszynowe może w końcu znaleźć powiązania, których konwencjonalne lub jednowymiarowe podejścia statystyczne nie są w stanie znaleźć.

Aby pogłębić badania, naukowcy ocenili zdolność uczenia maszynowego do przewidywania codziennych przypadków zatrzymania krążenia poza szpitalem na podstawie czasu - w roku, sezonie, dniu tygodnia, godzinie lub dniach wolnych od pracy, a także codziennej pogody, takiej jak wilgotność względna, opady śniegu, opady deszczu, temperatura, prędkość wiatru, zachmurzenie i odczyty ciśnienia atmosferycznego. 

W latach 2005-2013 wydarzyły się 1 299 784 przypadki, a uczenie maszynowe zostało zaimplementowane dla 525 374 z wykorzystaniem danych czasowych, pogodowych lub obu dla zbioru danych treningowych. Wyniki te zostały następnie zestawione z 135 678 przypadkami, które miały miejsce w latach 2014-2015, aby zbadać zdolność modelu do dokładności w przewidywaniu statystycznej liczby codziennych zatrzymań krążenia w innych latach.

Aby ujawnić dokładność tego podejścia na poziomie lokalnym, badacze przeprowadzili tzw. analizę mapy ciepła, która wykorzystała oddzielny zbiór danych wyciągnięty z pozaszpitalnych zatrzymań krążenia w mieście Kobe między styczniem 2016 r. a grudniem 2018 r. Wykazano, że najwięcej wydarzeń zatrzymania akcji serca wystąpiło w niedziele, poniedziałki, przy niskich temperaturach, gwałtownych spadkach temperatur, zimą i podczas świąt państwowych.

Badacze nie twierdzą jednak, że posiadają obszerne informacje na temat lokalizacji ataków serca poza miastem Kobe, a także brakuje im danych dotyczących osób z istniejącymi wcześniej schorzeniami. Oba wyjątkowe przypadki mogły zmodyfikować ich wyniki. 

Warto zauważyć, że badanie nie obiecuje sposobu przewidywania, kiedy ludzie naprawdę umrą z powodu zatrzymania krążenia. Nowy algorytm jedynie przewiduje, kiedy ryzyko wystąpienia zawału serca jest wysokie. Wyniki badań zostały opublikowane w czasopiśmie "Heart".

INTERIA.PL

Reklama

Dowiedz się więcej na temat: uczenie maszynowe | serce | kardiologia | atak serca