07 آذر 1403
logo

مرکز تحقیقات پیشگیری اولیه از بیماری‌های قلب و عروق

دانشگاه علوم پزشکی تهران

  • تاریخ انتشار : 1403/09/06 - 09:06
  • تعداد بازدید کنندگان خبر : 5
  • زمان مطالعه : 2 دقیقه

تعیین نرخ بازگشت انقباضات زودرس بطنی و تاکی‌کاردی بطنی ایدیوپاتیک پس از ابلیشن کاتتر فرکانس رادیویی با کمک طراحی یک مدل یادگیری ماشینی

آریتمی‌های بطنی باعث افزایش بیماری‌ها و مرگ‌ومیر قلبی-عروقی می‌شوند. در صورت عدم وجود ناهنجاری‌های ساختاری قلب، بازگشت مکرر انقباضات زودرس بطنی (PVC) و تاکی‌کاردی بطنی ایدیوپاتیک (IVT) معمولاً خوش‌خیم در نظر گرفته می‌شود. هوش مصنوعی (AI) به‌سرعت در حال پیشرفت است و در سال‌های اخیر، پزشکان به کاربردهای یادگیری ماشینی (ML) که بخشی از هوش مصنوعی است، علاقه زیادی نشان داده‌اند. این فناوری در حوزه‌های مختلفی از جمله تشخیص بیماری‌ها، تصمیم‌گیری، طبقه‌بندی پیش‌آگهی و تحلیل جنبه‌های پیچیده آسیب‌شناسی بیماری‌ها با استفاده از داده‌های بزرگ و پیچیده مورد استفاده قرار می‌گیرد. هدف این مطالعه طراحی مدلی مبتنی بر یادگیری ماشینی برای پیش‌بینی احتمال بازگشت PVC و IVT پس از ابلیشن فرکانس رادیویی (RF) بود.

تعیین نرخ بازگشت انقباضات زودرس بطنی و تاکی‌کاردی بطنی ایدیوپاتیک پس از ابلیشن کاتتر فرکانس رادیویی با کمک طراحی یک مدل یادگیری

این مطالعه به بررسی پیش‌بینی بازگشت ضربان‌های نامنظم قلب، مانند انقباضات زودرس بطنی (PVC) و تاکی‌کاردی بطنی ایدیوپاتیک (VT)، پس از درمان با روش ابلیشن کاتتر فرکانس رادیویی (RFA) می‌پردازد. پژوهشگران با استفاده از هوش مصنوعی (AI) مدلی طراحی کرده‌اند که داده‌های بیماران را تحلیل کرده و احتمال بازگشت این آریتمی‌ها را پیش‌بینی می‌کند. روش‌های سنتی نشان داده‌اند عواملی مانند فشار خون بالا، جنسیت و نوع کاتتر استفاده‌شده در طول عمل، در بازگشت آریتمی تأثیر دارند. اما مدل‌های هوش مصنوعی در پیش‌بینی دقیق موفق نبوده‌اند که نشان‌دهنده چالش‌های به‌کارگیری یادگیری ماشینی در این حوزه است.

این مطالعه نشان می‌دهد که هرچند RFA برای بسیاری از بیماران مؤثر است، اما احتمال بازگشت آریتمی بسته به شرایط فردی بیمار متفاوت است. پژوهشگران بر نقش مهم هوش مصنوعی در بهبود برنامه‌ریزی درمان شخصی تأکید کرده‌اند، اما در عین حال، نیاز به داده‌های گسترده‌تر و همکاری میان مراکز پزشکی برای بهبود این مدل‌های پیش‌بینی را یادآور شده‌اند. هدف نهایی این پژوهش، کمک به پزشکان برای برنامه‌ریزی بهتر درمان و پیگیری مراقبت از بیماران مبتلا به آریتمی است.

 

 

Determining the recurrence rate of premature ventricular complexes and idiopathic ventricular tachycardia after radiofrequency catheter ablation with the help of designing a machine-learning mode

Abstract

Ventricular arrhythmias increase cardiovascular morbidity and mortality. Recurrent PVCs and IVT are generally considered benign in the absence of structural heart abnormalities. Artificial intelligence is a rapidly growing field. In recent years, medical professionals have shown great interest in the potential use of ML, an integral part of AI, in various disciplines, including diagnostic applications, decision-making, prognostic stratification, and solving complex pathophysiological aspects of diseases from these data at extraordinary complexity, scale, and acquisition rate. The aim of this study was to design an ML model to predict the probability of PVC and IVT recurrence after RF ablation.
Data of patients were collected and manipulated using traditional analysis and various artificial intelligence models, namely MLP, Gradient Boosting Machines, Random Forest, and Logistic Regression.
Hypertension, male sex, and the use of non-irrigate catheters were associated with less freedom from arrhythmia. All these results were obtained through traditional analytic methods, and according to AI, none of the variables had a clear effect on the recurrence of arrhythmia.
Each AI model presents unique strengths and weaknesses, and further optimization and fine-tuning of these models are necessary to increase their clinical utility. By expanding the dataset, improved predictions can be fostered to ultimately increase the clinical utility of AI in predicting PVC erosion outcomes.
 

 

 

 

  • گروه خبری : مقالات علمی,پژوهش,مقالات 2024
  • کد خبر : 285025
کلمات کلیدی
شیرین باوری
تهیه کننده:

شیرین باوری

لیست اخبار

0 نظر برای این مطلب وجود دارد

ارسال نظر

نظر خود را وارد نمایید:

متن درون تصویر را در جعبه متن زیر وارد نمائید *

ارسال به دوستان

متن داخل تصویر را وارد کنید

متن داخل تصویر را وارد کنید *

بخش ها و واحد ها

لینک های مفید

نظرات

انتقادات و پیشنهادات خود را برای ما ارسال کنید

کلیه حقوق سایت متعلق به مرکز تحقیقات پیشگیری اولیه از بیماری‌های قلب و عروق می‌باشد.

niafam espritportal
متن مورد نظر خود را جستجو کنید

تغییر رنگ فونت:

رنگ اصلی:

رنگ دوم:

تغییر رنگ پس زمینه:

تغییر اندازه فونت:

فونت نمونه-آفونت نمونه+

تغییر فاصله بین کلمات:

تغییر فایله بین خطوط:

تغییر نوع موس:

تغییر فونت

انتخاب حالت کور رنگی

سرخ کوری سبز کوری آبی کوری سرخ دشوار بینی سبز دشوار بینی آبی دشوار بینی تک رنگ بینی تک رنگ بینی مخروطی
تنظیمات پس زمینه