Doktorların kalp krizini daha iyi algılamasına yardımcı olan yapay zeka geliştirildi

Bilim insanları, doktorların insanların kalp krizi geçirip geçirmediğini mevcut yöntemlerden daha hızlı anlamalarını ve karar vermelerini sağlayan yapay bir zeka aracı geliştirdi.

Yapay zeka, hastanın kişisel bilgilerine göre kesin bir hesaplama veriyor

Sağlık şirketi Abbott tarafından yayınlanan yeni araştırma, yapay zeka algoritmasının poliklinik ve acil servis departmanlarının kalp krizi geçiren hastalara daha doğru şekilde tanı koymasını ve tedavi etmesini sağlayabildiğini gösteriyor.

ABD, Almanya, İngiltere, İsviçre, Avustralya ve Yeni Zelanda’dan ve 11.000’den fazla hastayı içeren çalışma ile araştırmacılar, AI’ın doktorlara bir hastanın kalp krizi geçirme ihtimalinin daha kapsamlı bir analizini sağlayabildiğini tespit etti.

Abbott’ta bir grup hekim ve istatistikçi tarafından geliştirilen algoritma, kişinin kalp krizi riskinin daha bireysel olarak hesaplanmasını sağlamak için makine öğrenme tekniklerini kullanıyor.

Abbott, algoritmanın kalp krizi teşhisi yaparken daha kişiselleştirilmiş bilgi arayan doktorlar için varolan iki engelin ele alınmasına yardımcı olmak için tasarlandığını belirtiyor.

İlki yüksek hassasiyetli troponin testlerinin, kullanımına yönelik uluslararası yönergelerin, kişisel faktörleri her zaman hesaba katmadığı ve test sonuçlarını etkilemesine dayanıyor.

İkincisi ise bu kılavuzların, doktorların belirli zamanlarda troponin testi yapmasını önermelerine rağmen kişinin yaşını veya cinsiyetini göz önünde bulundurmamaları ve hastaları tek bir boyuta uygun duruma getirmelerini içeriyor.

Bununla birlikte Abbott’ın algoritması, kişisel faktörleri ve zaman içindeki troponin kan testi sonuçlarını göz önünde bulundurarak mevcut yaklaşımlardan farklı kılıyor.

Dünya Kalp Örgütü, her yıl 17,9 milyon insanın kalp-damar hastalığından öldüğünü ve yüzde 85’inin kalp krizi ve felç nedeniyle olduğunu tahmin ediyor. Kişinin yaşı, cinsiyeti veya bir troponin kan testinin dinamiği gibi faktörler, bireylerin kalp krizi belirtileri ile hastaneye girdiğinde zaten ele alıyor. Çalışma, algoritmanın bu değişkenlerin o sırada nasıl etkileşime girdiğine ve daha bireysel ve kesin bir hesaplama yapılmasına yardımcı oluyor.