روشی جدید برای مقابله با ۵ نوع حمله قلبی

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.