Φορετή τεχνολογία ανιχνεύει την καρδιακή αρρυθμία 30 λεπτά πριν την εμφάνισή της

Ερευνητές ανέπτυξαν νέα φορετή τεχνολογία που προβλέπει την καρδιακή αρρυθμία 30 λεπτά πριν από την εμφάνισή της. Αυτή η πρωτοποριακή τεχνολογία έχει τη δυνατότητα να φέρει επανάσταση στον τρόπο παρακολούθησης και διαχείρισης των καρδιακών παθήσεων.

Περίπου 59 εκατομμύρια άνθρωποι στον κόσμο πάσχουν από κολπική μαρμαρυγή σύμφωνα με στοιχεία του 2019, καθιστώντας την τον πιο κοινό τύπο καρδιακής αρρυθμίας. Ενώ η αρρυθμία δεν είναι συνήθως απειλητική για τη ζωή, εξακολουθεί να είναι μια σοβαρή κατάσταση που μπορεί να αυξήσει τον κίνδυνο θνησιμότητας ενός ατόμου από εγκεφαλικό επεισόδιο, καρδιακή προσβολή ή καρδιακή ανεπάρκεια. Η κατάσταση αυτή μπορεί να αυξήσει τις πιθανότητες εμφάνισης άνοιας και γαστρεντερικών και ηπατικών παθήσεων.

Για να βοηθήσουν στην παροχή πρώιμων παρεμβάσεων, επιστήμονες από το Πανεπιστήμιο του Λουξεμβούργου ανέπτυξαν έναν τρόπο πρόβλεψης της καρδιακής αρρυθμίας περίπου 30 λεπτά πριν από την εμφάνισή της, χρησιμοποιώντας τεχνητή νοημοσύνη και δεδομένα ηλεκτροκαρδιογραφήματος που συλλέγονται μέσω φορετών συσκευών. Συγκεκριμένα, οι ερευνητές ανέπτυξαν ένα μοντέλο τεχνητής νοημοσύνης που ονομάζεται WARN (Warning of Atrial fibRillatioN) για να βοηθήσει στην πρόβλεψη της καρδιακής αρρυθμίας.

«Το WARN αποτελείται από ένα μοντέλο βαθιάς μάθησης που εισάγει μικρά τμήματα καρδιακού ρυθμού 30 δευτερολέπτων και εξάγει την πιθανότητα επικείμενης μετάβασης σε καρδιακή αρρυθμία» δήλωσε στο Medical News Today ο Χόρχε Γκονσάλβες, καθηγητής στο Κέντρο Συστημικής Βιοϊατρικής του Λουξεμβούργου του Πανεπιστήμιου του Λουξεμβούργου και επικεφαλής συγγραφέας της νέας μελέτης.

«Όσο μεγαλύτερη είναι αυτή η πιθανότητα κινδύνου, τόσο μεγαλύτερη είναι η πιθανότητα μετάβασης σε καρδιακή αρρυθμία. Αυτό επαναλαμβάνεται κάθε 15 δευτερόλεπτα. Όταν αυτή η πιθανότητα ξεπεράσει ένα συγκεκριμένο όριο, ενεργοποιείται μια προειδοποίηση», εξήγησε ο ερευνητής.

Το σύστημα WARN εκπαιδεύτηκε σε 24ωρες καταγραφές δεδομένων ηλεκτροκαρδιογραφήματος που συγκεντρώθηκαν μέσω συσκευών που φορούσαν τα 350 άτομα που συμμετείχαν στη μελέτη.

«Η τεχνητή νοημοσύνη έχει δείξει απίστευτες επιδόσεις όταν αναζητά μοτίβα σε σύνολα δεδομένων μεγάλης κλίμακας. Συνήθως είναι δύσκολο να εντοπίσουμε τέτοια μοτίβα. Ως εκ τούτου, θέλαμε να δούμε αν υπάρχουν κάποιες κρυφές πληροφορίες στον καρδιακό ρυθμό κατά τα λεπτά πριν την εμφάνιση της καρδιακής αρρυθμίας. Η βαθιά μάθηση ήταν σε θέση να βρει τέτοιες ενδείξεις από 280 εγγραφές δεδομένων ασθενών που αργότερα διαγνώστηκαν με την εν λόγω πάθηση» εξήγησε ο ερευνητής.

Το WARN μπόρεσε να προβλέψει τη μετάβαση από τον φυσιολογικό καρδιακό ρυθμό στην κολπική μαρμαρυγή με μέση προειδοποίηση 30 λεπτά πριν από την έναρξη του επεισοδίου με 80% ακρίβεια.

«Η καρδιακή αρρυθμία προκύπτει από διάφορες καταστάσεις και η νόσος κάθε ασθενούς είναι μοναδική. Ως εκ τούτου, το μοντέλο αποτυπώνει μια μέση αλλαγή στη δυναμική 280 ασθενειών που σχετίζονται με την πάθηση. Είναι εκπληκτικό το γεγονός ότι μπορέσαμε να επιτύχουμε τόσο υψηλές επιδόσεις από ένα μοντέλο που υπολογίζει κατά μέσο όρο (τη) δυναμική τόσων πολλών ασθενών», δήλωσε ο ερευνητής.

Αν και στην παρούσα μελέτη οι ερευνητές συνέλεξαν δεδομένα ηλεκτρικής δραστηριότητας της καρδιάς μέσω μιας συγκεκριμένης ιατρικής συσκευής, ο Γκονσάλβες εκτιμά ότι το WARN θα μπορούσε μια μέρα να ενσωματωθεί στα «έξυπνα» ρολόγια. Στη συνέχεια, οι ερευνητές σκοπεύουν να αναπτύξουν εφαρμογές για διαφορετικά «έξυπνα» ρολόγια και να τις δοκιμάσουν σε μελλοντικές μελέτες.

Τα ευρήματα της μελέτης δημοσιεύθηκαν στο επιστημονικό περιοδικό «Patterns».

ΠΗΓΗ: Medical News Today

www.ertnews.gr

Διαβάστε περισσότερα… Read More