تشخیص بیماری‌های قلبی با بررسی عکس‌های سلفی

شاید فرستادن یک عکس سلفی به پزشک بتواند به روش کم‌هزینه و ساده‌ای برای تشخیص بیماری قلبی تبدیل شود.

این بررسی که توسط پژوهشگران “انجمن قلب و عروق اروپا”(ESC) انجام شده، نخستین پژوهشی است که نشان می‌دهد می‌توان از الگوریتم رایانه‌ای یادگیری عمیق برای ارزیابی چهار عکس از صورت یک شخص، “بیماری عروق کرونر”(CAD) را در او شناسایی کرد.

اگرچه این الگوریتم باید بیشتر توسعه یابد و روی گروه‌های بزرگتری از افراد با زمینه‌های اخلاقی متفاوت آزمایش شود اما پژوهشگران باور دارند که می‌توان از آن به عنوان یک ابزار بررسی استفاده کرد که بیماری قلبی را در میان مردم معمولی و یا گروه‌های پرخطر که باید بیشتر مورد بررسی‌های بالینی قرار بگیرند، شناسایی می‌کند.

پروفسور “ژه ژنگ”(Zhe Zheng)، سرپرست این پژوهش گفت: تا جایی که ما می‌دانیم این پژوهش، نخستین بررسی است که نشان می‌دهد می‌توان از هوش مصنوعی و ارزیابی چهره، برای شناسایی بیماری قلبی استفاده کرد. این پژوهش، گامی به سوی توسعه ابزار مبتنی بر یادگیری عمیق به شمار می‌رود که می‌توان از آن برای ارزیابی خطر بیماری قلبی استفاده کرد. این ابزار را هم می‌توان در مراکز درمانی به کار گرفت و هم برای این که بیماران، از چهره خود عکس بگیرند و آن را ارسال کنند. راهنمایی این تصاویر، بیش از آزمایش‌های بالینی و ملاقات حضوری خواهد بود.

وی افزود: هدف نهایی ما، ابداع نوعی اپلیکیشن برای جوامع پرخطر است تا ارزیابی خطر بیماری قلبی، نیازی به مراجعه به مراکز درمانی نداشته باشد. این یک روش کم‌هزینه، ساده و موثر برای شناسایی بیمارانی است که به بررسی بیشتری نیاز دارند. در هر حال، این الگوریتم به اصلاحات بیشتر و اعتبارسنجی در میان جوامع نیاز دارد.

در حال حاضر، برخی از نشانه‌هایی که در چهره دیده می‌شوند، می‌توانند با افزایش خطر بیماری قلبی در ارتباط باشند اما برای انسان‌ها دشوار است که بیماری قلبی را با موفقیت از روی این نشانه‌ها پیش‌بینی کنند.

ژنگ و همکارانش در این پژوهش، ۵۷۹۶ بیمار از هشت بیمارستان متفاوت را بین سال‌های ۲۰۱۷ تا ۲۰۱۹ مورد بررسی قرار دادند. این بیماران، مراحل تصویربرداری را پشت سر گذاشتند تا رگ‌های خونی آنها مورد بررسی قرار بگیرد.

پرستاران‌، تصاویری را با دوربین‌های دیجیتال از چهره بیماران گرفتند و همچنین با آنها صحبت کردند تا داده‌هایی را در مورد موقعیت اجتماعی‌، سبک زندگی و سابقه پزشکی بیماران به دست آورند. رادیولوژیست‌ها نیز سطح بیماری قلبی را براساس تعداد رگ‌های خونی که تا ۵۰ درصد یا بیشتر باریک شده‌اند، ارزیابی کردند. این اطلاعات برای ابداع، آموزش و اعتبارسنجی الگوریتم یادگیری عمیق مورد استفاده قرار گرفتند.

پژوهشگران در مرحله بعد، الگوریتم را روی ۱۰۱۳ بیمار از ۹ بیمارستان متفاوت آزمایش کردند و آنها را از آوریل تا جولای سال ۲۰۱۹ مورد بررسی قرار دادند.

آزمایش‌ها نشان داد که عملکرد این الگوریتم در مقایسه با روش‌های کنونی پیش‌بینی بیماری قلبی، بهتر است. این الگوریتم توانست وجود بیماری قلبی را در ۸۰ درصد بیماران تشخیص دهد.

ژنگ اضافه کرد: این الگوریتم، عملکرد متعادلی دارد و اطلاعات بالینی اضافی، به بهبود عملکرد آن کمک نمی‌کنند؛ در نتیجه می‌توان از آن به سادگی برای پیش‌بینی بیماری قلبی براساس تصاویر چهره استفاده کرد. گونه‌ها، پیشانی و بینی، اطلاعات بیشتری را نسبت به بقیه قسمت‌های چهره در اختیار الگوریتم می‌گذارند.

این پژوهش، در مجله “European Heart Journal” به چاپ رسید.