New Machine Learning Model Detects Heart Attacks Faster, More Accurately

QNA

Washington: A new machine learning model uses electrocardiogram (ECG) readings to diagnose and classify heart attacks faster and more accurately than current approaches, according to a study led by University of Pittsburgh researchers.

Through ECG, The new tool helps detect subtle clues in the ECG that are difficult for clinicians to spot and improves the classification of patients with chest pain.

The researchers compared their model to three gold standards for assessing cardiac events: experienced clinician interpretation of ECG, commercial ECG algorithms, and the HEART score, which considers medical history, age, risk factors such as smoking, diabetes, high cholesterol and blood levels of a protein called troponin.

The model outperformed all three, accurately reclassifying 1 in 3 patients with chest pain as low, intermediate, or high risk.

According to co-author Christian Martin-Gill, the algorithm will help emergency department providers identify people having a heart attack and those with reduced blood flow to the heart in a much more robust way compared with traditional ECG analysis.

“When a patient comes into the hospital with chest pain, the first question we ask is whether the patient is having a heart attack or not. It seems like that should be straightforward, but when its not clear from the ECG, it can take up to 24 hours to complete additional tests,” said associate professor in the Pitt School of Nursing and of Emergency Medicine and Cardiology in the School of Medicine Salah Al-Zaiti.
“Our model helps address this major challenge by improving risk assessment so that patients can get appropriate care without delay,” he added.

قنا

واشنطن: ابتكر فريق من الباحثين بجامعة /بيتسبرج/ الأمريكية، منظومة جديدة للذكاء الاصطناعي يمكنها استخدام قراءات صورة رسم القلب (التخطيط الكهربائي للقلب)، من أجل تشخيص النوبات القلبية بشكل أكثر دقة وسرعة.

وأشار الباحثون إلى أنه من خلال قراءة ذبذبات رسم القلب، يمكن تشخيص نوعية النوبة القلبية التي يشكو منها المريض، غير أن منظومة الذكاء الاصطناعي الجديدة يمكنها رصد التفاصيل الدقيقة لرسم القلب التي يصعب على الأطباء في بعض الأحيان، رصدها في تشخيص سبب أوجاع الصدر التي يعاني منها المرضى.

وعمد الفريق البحثي إلى مقارنة النموذج الحوسبي الجديد بثلاثة معايير رئيسية لتشخيص النوبات القلبية، وهي القراءة الإكلينيكية لصور المخططات الكهربائية للقلب، ومعادلات خوارزمية متخصصة في قراءة صور رسم القلب، فضلا عن بيانات تشخيصية مثل التاريخ المرضي وسن المريض والتدخين وارتفاع الكوليسترول والسكري وارتفاع معدلات بعض البروتينات في الدم.

وأكد الباحثون أن المنظومة الجديدة استطاعت التفوق على المعايير الثلاثة في تشخيص النوبات القلبية، مع تصنيف المرضى الذين يشكون من أوجاع في الصدر إلى ثلاث فئات، حسب درجة خطورة إصابتهم بالنوبات القلبية، ما بين منخفضة ومتوسطة ومرتفعة.

وأكد الباحث كريستيان مارتن جيل الذي شارك في ابتكار المنظومة الجديدة، أنها سوف تساعد العاملين في أقسام الطوارئ بالمستشفيات في تشخيص النوبات القلبية، ومن يعانون من تراجع تدفق الدم في القلب بشكل أكثر كفاءة مقارنة بالوسائل المعمول بها حاليا.

من جهته قال صلاح الزيتي الباحث بكلية التمريض وطب الطوارئ والمتخصص في أمراض القلب بالجامعة “عندما يتوجه المريض إلى المستشفى وهو يشعر بآلام في الصدر، فإن أول سؤال نطرحه هو ما إذا كان هذا المريض يشكو من نوبة قلبية”.

وأوضح أن عملية قراءة رسم القلب واستكمال الفحوصات الطبية اللازمة لتشخيص الحالة المرضية تستغرق حوالي 24 ساعة، لكن نموذج الذكاء الاصطناعي الجديد يواجه هذه التحديات المهمة عن طريق تحسين إمكانية تقييم المخاطر، بحيث يحصل المريض على الرعاية الصحية التي يحتاجها دون تأخير.