نموذج آلي مبتكر يتنبأ بالسكتة القلبية لدى مرضى وحدة العناية المركزة بدقة عالية
- يتنبأ الذكاء الاصطناعي بتوقف القلب ويحوّل نتائج الرعاية الحرجة.
- تحسّن تباين معدل ضربات القلب الديناميكي التقييم في الوقت الفعلي للتدخلات الموقوتة.
- أصبح مراقبة تخطيط كهربية القلب القابلة للنقل معياراً، مما ينقذ الأرواح عالمياً.
في دراسة رائدة نُشرت في مجلة Npj Digital Medicine، كشف الباحثون عن نموذج جديد للتعلم الآلي (ML) يظهر دقة استثنائية في التنبؤ بالسكتة القلبية لدى مرضى وحدة العناية المركزة (ICU) باستخدام بيانات تخطيط القلب الكهربائي (ECG).
كشف الحاجة إلى نماذج تنبؤية محسنة
على الرغم من التقدم في طب الرعاية الحرجة، يظل حدوث السكتات القلبية غير المتوقعة والمفاجئة تحديًا للمرضى المقيمين في وحدات العناية المركزة. تستلزم الأسباب المتنوعة للسكتة القلبية داخل المستشفى تطوير نماذج تنبؤية دقيقة للكشف في الوقت الفعلي، مما يتيح تدخلات سريعة ومنقذة للحياة مثل الإنعاش القلبي الرئوي (CPR) وإزالة الرجفان المبكر.
في حين اعتمدت النماذج السابقة على الميزات السريرية من السجلات الطبية الإلكترونية (EMRs)، فإن القيود في جمع متغيرات EMR المختلفة دفعت نحو التحول إلى خوارزميات التعلم الآلي القائمة على بيانات تخطيط القلب الكهربائي. تضمن نماذج التنبؤ القائمة على تخطيط القلب الكهربائي المراقبة المستمرة وفي الوقت الفعلي، مما يوفر اختراقًا محتملاً للتنبؤ بالسكتة القلبية داخل المستشفى.
قام فريق البحث ببناء مجموعة بيانات تخطيط قلب كهربائي (ECG) منظمة بدقة من 5,679 إقامة في وحدة العناية المركزة شملت 4,821 مريضًا. باستخدام إشارات تخطيط القلب الكهربائي، قاموا بحساب مجموعة شاملة من 74 مقياسًا لتغير معدل ضربات القلب (HRV)، بما في ذلك المقاييس الزمنية، والترددية، وغير الخطية. اختارت خوارزمية BorutaShap 33 من هذه المقاييس كمدخلات لنموذج التنبؤ.
باستخدام خوارزمية آلة تعزيز التدرج الخفيفة (LGBM)، قام الباحثون بتحسين المعلمات الفائقة للنموذج باستخدام التحسين البايزي. كانت النتيجة الأساسية هي حدوث السكتة القلبية خلال 0.5–24 ساعة، مع النظر في النتائج الثانوية على فترات زمنية مختلفة.
نتائج مبهرة وتحليل مقارن
حقق نموذج التعلم الآلي منطقة تحت منحنى التشغيل الخاص بالمستقبل (AUROC) outstanding بقيمة 0.881 ومنطقة تحت منحنى الدقة-الاستدعاء (AUPRC) بقيمة 0.104 للنتيجة الأساسية. ظلت أداء التمييز للنموذج قويًا عبر النتائج الثانوية، مما يبرز موثوقيته في التنبؤ بالسكتة القلبية لدى مرضى وحدة العناية المركزة.
مقارنة نموذج التعلم الآلي بنموذج قائم على المعلمات السريرية، والذي استخدم 43 ميزة مستمدة من العلامات الحيوية، كشف عن قيمة AUROC أعلى بشكل ملحوظ (0.881 مقابل 0.735، p < 0.001) لنموذج الدراسة باستخدام مقاييس تغير معدل ضربات القلب. هذا يبرز تفوق نموذج التعلم الآلي القائم على تخطيط القلب الكهربائي في التنبؤ بالسكتة القلبية المفاجئة.
كشف مقاييس تغير معدل ضربات القلب الرئيسية والتداعيات المستقبلية
حدد تحليل أهمية الميزات المقاييس الستة الأولى، بما في ذلك المئين العشرون لفترات RR (Prc20NN)، والتداخل المثلثي لتاريخ فترات RR (TINN)، والمدى الربيعي لفترات RR (IQRNN). أظهرت هذه المقاييس تغيرات ديناميكية قبل حوالي ست ساعات من السكتة القلبية المفاجئة، مما يوفر رؤى قيمة للتقييم في الوقت الفعلي لحالة المريض القلبية.
تشير نتائج الدراسة إلى أن ارتفاع IALS (أجزاء التسارع/التباطؤ) يمكن أن يرتبط بحالات قلبية متدهورة، مما يؤكد إمكانات نموذج التعلم الآلي في تحديد المرضى المعرضين لخطر السكتة القلبية المفاجئة.
تتمثل إحدى نقاط القوة الكبيرة في هذه الدراسة في إمكانية الوصول العالية للنموذج وقابليته للنقل إلى إعدادات رعاية صحية متنوعة. يجعل المراقبة المستمرة لتخطيط القلب الكهربائي، وهي ممارسة قياسية في إعدادات وحدة العناية المركزة، تطبيق هذا النموذج التنبؤي مباشرًا في الممارسة السريرية.
بينما توفر الدراسة رؤى حاسمة في الوقت الفعلي، يعترف الباحثون بالحاجة إلى مزيد من التحقيق لإestablish causality بين مقاييس تغير معدل ضربات القلب والسكتة القلبية.
لا تكتفِ بقراءة أخبار العملات الرقمية فحسب، بل افهمها. اشترك في نشرتنا الإخبارية. مجانية.
إخلاء مسؤولية. المعلومات المقدمة ليست نصيحة تداول. Cryptopolitan.com لا نتحمل أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المقدمة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو الاستعانة بمستشار مؤهل قبل اتخاذ أي قرار استثماري.
بريان كوم
يتمتع برايان كوم بخبرة تزيد عن سبع سنوات في تغطية سلاسل الكتل والعملات المشفرة، حيث كان نشطاً في هذا القطاع منذ عام 2017. وقد أسهم في نشرات رائدة، بما في ذلك BlockToday.com. علاوة على ذلك، طور دورة «إيثريوم للمبتدئين» (Ethereum 101) لموقع BitDegree.org قبل انضمامه إلى Cryptopolitan كاتباً بدوام كامل. يغطي برايان أدلةً دائمة الصلاحية (EGs)، وتحليلات عميقة، ومقابلات، وتحليلات الأسعار. وتركيزه على التمويل اللامركزي (DeFi)، وابتكارات سلاسل الكتل، والمشاريع الناشئة في عالم العملات المشفرة يسعد القراء.
