به گزارش ایسنا به نقل از مداسکیپ، بیماری «آمیلوئیدوز قلبی»(Cardiac amyloidosis) زمانی ایجاد می‌شود که پروتئین‌های بدشکل یا بدتاخورده در سراسر قلب قرار می‌گیرند و آن را مجبور می‌کنند تا برای پمپاژ خون سخت‌تر کار کند. این بیماری که می‌تواند به ضخیم‌تر شدن دیواره‌های قلب منجر شود، در بزرگسالان مسن‌تر شایع‌تر است و ویژگی‌هایی مشابه بیماری‌های قلبی ناشی از فشار خون بالا یا تنگی آئورت دارد.
تشخیص آمیلوئیدوز قلبی چالش‌برانگیز است؛ به‌ویژه در مراحل اولیه بیماری و زمانی که دیواره‌های ضخیم‌تر در اکوی قلب مشخص نیستند. «پاتریشیا پلیککا»(Patricia Pellikka) استاد تحقیقات بالینی بیماری‌های قلبی-عروقی در «کلینیک مایو»(Mayo Clinic) گفت: اگر بیمار علائمی داشته باشد که نتوانیم توضیح دهیم و اگر اکو کاملاً طبیعی نباشد، منطقی است که از هوش مصنوعی برای بررسی وجود آمیلوئید استفاده کنیم. این علائم می‌توانند غیر اختصاصی باشند؛ مانند تنگی نفس، خستگی یا تورم مچ پا.
آمیلوئیدوز قلبی به طور قطعی با بیوپسی یا آنالیز خون و ادرار تشخیص داده می‌شود. اگرچه این بیماری نادر است، اما به نظر می‌رسد تعداد موارد ابتلا به آن در حال افزایش هستند. براساس تحلیلی که در مجله «Circulation: Heart Failure» منتشر شده، میزان شیوع آمیلوئیدوز قلبی از سال ۲۰۰۰ تا ۲۰۱۲ از سالانه هشت مورد به سالانه ۱۷ مورد در هر ۱۰۰ هزار نفر افزایش یافته است. تجزیه و تحلیل سال ۲۰۲۵ توسط پژوهشگران کلینیک مایو، شیوع کلی آمیلوئیدوز قلبی را در میان بیش از ۳۰ هزار نفر که اکوی قلب شده‌اند، ۱.۲۵ درصد نشان داد و میزان بروز آن در افراد ۸۰ تا ۸۹ ساله بیشتر از افراد ۶۰ تا ۶۹ ساله بود.
«جرمی اسلیونیک» (Jeremy Slivnick) متخصص قلب و عروق «دانشگاه شیکاگو»(UChicago)، گفت: تأخیر در تشخیص در این بیماری بسیار رایج است. در بسیاری از موارد، یک سال یا بیشتر بین اولین ظهور علائم و تشخیص آمیلوئیدوز فاصله می‌افتد و کنترل بیماری دشوارتر می‌شود. این پژوهش نشان می‌دهد که هوش مصنوعی کاربرد گسترده‌ای را در تشخیص در آمیلوئیدوز قلبی دارد. این مدل هوش مصنوعی در حال حاضر توسط «سازمان غذا و داروی آمریکا»(FDA) تأیید شده و واقعاً حیاتی است که روی همه کار کند.
پلیکا و همکارانش در کلینیک مایو پیش از این با شرکت «اولترومیکس»(Ultromics) مستقر در انگلستان که هوش مصنوعی «EchoGo Amyloidosis» را به بازار عرضه می‌کند، برای ایجاد یک الگوریتم هوش مصنوعی که آمیلوئیدوز قلبی را از سایر انواع بیماری‌های قلبی متمایز می‌کند، همکاری داشتند. آنها ویدئوهایی را از اکوی قلب افراد مبتلا به این اختلال و افراد مبتلا به سایر بیماری‌های قلبی به این مدل هوش مصنوعی ارائه دادند. این ویدئوها چهار حفره قلب را در طول ضربان آن نشان می‌دادند.
آنها مدل هوش مصنوعی را در ۱۸ منطقه از جهان با ۵۹۷ ویدئوی اکو از افراد مبتلا به آمیلوئیدوز قلبی و ۲۱۲۲ ویدئو از افراد مبتلا به سایر بیماری‌های قلبی آزمایش کرد. هوش مصنوعی به طور مؤثر همه زیرگروه‌های آمیلوئیدوز را در مجموعه داده‌ها شناسایی کرد و توانست افراد مبتلا به این بیماری را با حساسیت ۸۵ درصد و افراد بدون این اختلال را با حساسیت ۹۳ درصد شناسایی کند.
مدل هوش مصنوعی در مقایسه با سایر آزمایش‌های تشخیصی رایج برای این بیماری، موارد نگران‌کننده بیشتری را شناسایی کرد. پلیکا گفت: ما در حال حاضر درمان‌هایی را در اختیار داریم، اما اگر درمان‌ها در اوایل سیر طبیعی بیماری اعمال شوند، بهترین عملکرد را خواهند داشت. ما باید بیماران را تحت درمان مورد نیازشان قرار دهیم.
- 13
- 6
