Սրտի նոպայի կամ կաթվածի ռիսկի կանխատեսման համար արհեստական ինտելեկտի կիրառմամբ ալգորիթմ է ստեղծվել։ Ինչպես հայտնում է Հյուսիսային Ամերիկայի ռադիոլոգիական հանրությունը, Deep Learning ալգորիթմները ուսուցանվում են տվյալների մեծ բազայի վրա եւ ունակ են նկատել փոքրագույն կապեր պատկերի դետալների եւ որոշակի փաստերի միջեւ։ «Մեր մոդելն առաջարկում է սովորական ռենտգենային պատկերների օգտագործմամբ սրտանոթային հիվանդությունների առաջացման ռիսկի պոպուլյացիոն սքրինինգի մեթոդ»,-ասում է մշակման հեղնակներից մեկը՝ Ջեյքոբ Վայսը։
Դրա միջոցով կարելի է հայտնաբերել մարդկանց, որոնք վիճակագրության տեսանկյունից բուժման կարիք ունեն։ Ալգորիթմի ընթացիկ տարբերակը գնահատում է 10 տարվա ընթացքում հիվանդությունների առաջացման ռիսկը եւ թույլ է տալիս որոշել, թե պացիենտներից ով պետք է ստատիններ ընդունի՝ դեղամիջոցներ խոլեստերինի մակարդակի նվազեցման համար։ Ուսուցանման համար օգտագործվել է 40 643 պացիենտի 147 497 կրծքավանդակի ռենտգենային պատկեր։ Ուսուցանման ավարտից հետո հեղինակները ստուգել են ալգորիթմի աշխատանքը 11 430 պացիենտի մասին արխիվային բժշկական տվյալների վրա։
Դրանցից 1096-ը (9,6 տոկոս) 10 տարվա ընթացքում սրտանոթային համակարգի լուրջ խնդիրներ է ունեցել՝ կաթված եւ սրտի նոապա։ Պարզվել է, որ ալգորիթմը կարող էր կանխատեսել այդ խնդիրների ի հայտ գալը։
Աղբյուրը՝ med.news.am:
