Bbabo NET

Wetenschap & Technologie Nieuws

Het neurale netwerk werd geleerd om het risico op complicaties bij patiënten met hartaandoeningen te bepalen

Om het netwerk te trainen en voor te bereiden op de analyse van gevallen van echte patiënten, gebruikten artsen een vergelijking van de resultaten van coronaire angiografie - een procedure die nu wordt beschouwd als de gouden standaard bij het diagnosticeren van de toestand van de hartvaten en elektrocardiogramgegevens. Kunstmatige intelligentie moest de diagnostische parameters van meer dan 100 patiënten in de leeftijd van 31 tot 89 jaar bestuderen en leren hoe kransslagaders te classificeren, de aanwezigheid van vaatschade te detecteren en het optreden van coronaire aandoeningen te voorspellen - een schending van de bloedtoevoer naar de hartspier .

Met behulp van een neuraal netwerk analyseerden artsen informatie over 130 patiënten uit de testgroep die electieve of noodhartkatheterisatie ondergingen. Hun medische dossiergegevens, waaronder leeftijd, geslacht, diagnose, pathologische kenmerken, de aan- of afwezigheid van bijkomende ziekten, verergerde erfelijkheid, slechte gewoonten, evenals de resultaten van elektrocardiogrammen, werden ingevoerd in een machine learning-database. Kunstmatige intelligentie bestudeerde de gegevens en bepaalde welke van de patiënten laesies van de belangrijkste kransslagaders en coronaire hartziekten zullen krijgen.

De artsen onderzochten ook alle geteste patiënten op de gebruikelijke manier. Om het gecompliceerde verloop van hart- en vaatziekten te voorspellen, ondergingen ze geautomatiseerde coronaire angiografie - een onderzoek van de hartvaten door een radiopake stof in de slagaders te brengen, evenals dagelijkse ECG-monitoring en een stresstest op een loopband, waarmee het werk van het hart tijdens lichamelijke activiteit.

De studie toonde aan dat het neurale netwerk de taak beter aankon dan traditionele diagnostische methoden. Bij het detecteren van myocardischemie heeft kunstmatige intelligentie bijvoorbeeld een nauwkeurigheid van 93% bereikt, terwijl dagelijkse ECG-bewaking slechts 87% is.

De auteurs van de methode zijn Andrei Obrezani, professor, hoofd van de afdeling ziekenhuistherapie van de St. Petersburg State University, hoofdarts van de SOGAZMEDITSINA Group of Clinics, Timur Abdualimov, cardioloog in het Sogaz International Medical Center.

Het neurale netwerk werd geleerd om het risico op complicaties bij patiënten met hartaandoeningen te bepalen