بر اساس تحقیقات اولیه منتشر شده در مجله آنلاین BMJ Innovations، یک الگوریتم هوش مصنوعی(AI) که بر اساس ویژگیهای ضربان قلب در نوار قلب (الکتروکاردیوگرام) ساخته شده است، میتواند دیابت و پیش دیابت را به طور دقیق پیش بینی کند.
به گفته محققان، اگر این نتایج در مطالعات بزرگتر تایید گردد، این رویکرد می تواند برای غربالگری بیماری در محیط هایی با منابع محدود مورد استفاده قرار گیرد.
در سال 2019 حدود 463 میلیون بزرگسال در سراسر جهان مبتلا به دیابت بودند و تشخیص این بیماری در مراحل اولیه کلیدی برای جلوگیری از مشکلات جدی سلامتی بعدی است. اما تشخیص زودهنگام، به شدت به اندازه گیری قند خون بستگی دارد.
محققان خاطرنشان کردند که اندازه گیری قند خون نه تنها روشی تهاجمی است، بلکه به عنوان یک آزمایش غربالگری انبوه در محیط هایی با منابع محدود چالش برانگیز است.
تغییرات ساختاری و عملکردی در سیستم قلبی عروقی، در اوایل پیش دیابت و دیابت حتی قبل از بروز تغییرات شاخص در قند خون اتفاق میافتد و این تغییرات در ردپای قلبدر الکتروکاردیوگرام(ECG) ظاهر میشوند.
بنابراین محققان میخواستند ببینند آیا میتوان از تکنیکهای یادگیری ماشینی (AI) برای استفاده از پتانسیل غربالگری ECG برای پیشبینی پیش دیابت و دیابت نوع 2 در افراد در معرض خطر بالای این بیماری استفاده کرد.
آنها از شرکت کنندگان در مطالعهDISFIN[1] استفاده کردند که اساس ژنتیکی دیابت نوع 2 و سایر صفات متابولیکی دیابت را داشتند. این افراد متعلق به خانواده های سندی در ناگپور هند بودند که در معرض خطر بالای دیابت هستند.خانواده هایی با حداقل یک مورد شناخته شده از دیابت نوع 2 و ساکن در ناگپور، که تراکم بالایی از مردم سندی را دارد، در این مطالعه ثبت نام کردند.
شرکت کنندگان جزئیاتی از تاریخچه پزشکی شخصی و خانوادگی، رژیم غذایی عادی خود را ارائه کردند و تحت طیف کاملی از آزمایشات خون و ارزیابی های بالینی قرار گرفتند. میانگین سنی آنها 48 سال بود و 61 درصد آنها زن بودند.پیش دیابت و دیابت بر اساس معیارهای تشخیصی مشخص شده توسط انجمن دیابت آمریکا در این افراد شناسایی شد.
شیوع دیابت نوع 2 و پیش دیابت به ترتیب 30% و 14% بود و شیوع مقاومت به انسولین نیز در میان این افراد بالا بود(35٪) . همچنین شیوع سایر شرایط تأثیرگذار همراه شامل فشار خون بالا (51٪)، چاقی (حدود 40٪) و دیس لیپیدمی (36٪) در میان افراد شرکت کننده بالا بود.
برای هر یک از 1262 شرکت کننده، یک ECG استاندارد با 12 لید به مدت 10 ثانیه انجام شد، و 100 ویژگی ساختاری و عملکردی منحصر به فرد برای هر لید برای هر یک از 10461 ضربان قلب منفرد ثبت شده با هم ترکیب شدند تا یک الگوریتم پیشبینی (DiaBeats) ساخته شود.
الگوریتمDiaBeats ، بر اساس شکل و اندازه ضربانهای قلب به سرعت دیابت و پیش دیابت را با دقت کلی 97 درصد و دقت 97 درصد بدون توجه به عوامل تأثیرگذار مانند سن، جنسیت و اختلالات متابولیک همزمان، تشخیص داد.
ویژگیهای مهم ECG به طور مداوم با محرکهای بیولوژیکی شناخته شدهای که زمینه ساز تغییرات قلبی هستند که نمونهای از دیابت و پیش دیابت است، مطابقت دارد.
محققان اذعان کردند که شرکت کنندگان در مطالعه همه در معرض خطر بالای دیابت و سایر اختلالات متابولیک بودند، بنابراین بعید است که نتایج آنها قابل بسط برای جمعیت عمومی باشد. همچنین دقت پیش بینیDiaBeats ، برای کسانی که داروهای تجویزی برای دیابت، فشار خون بالا، کلسترول بالا و غیره مصرف میکردند، اندکی کمتر بود.
همچنین اطلاعاتی در مورد افرادی که به پیش دیابت یا دیابت مبتلا شده بودند در دسترس نبود، که تعیین تأثیرات، غربالگری زودهنگام را غیرممکن ساخت.
آنها نتیجه گیری کردند که در تئوری، آلگوریتم ما روشی نسبتا ارزان، غیر تهاجمی و دقیق بجای روش های تشخیصی فعلی ارائه می دهد که می تواند به عنوان دروازه بانی برای تشخیص موثر دیابت و پیش دیابت در اوایل این بیماریها استفاده شود.آنها گفتند: با این وجود، پذیرش این الگوریتم در کار بالینی معمول، نیاز به اعتبارسنجی قوی توسط مجموعه داده های مستقل خارجی دارد.
منبع:
https://medicalxpress.com/news/2022-08-ai-ecg-heart-accurately-diabetes.html