Արհեստական բանականությունը սովորել է մարմնի մակերեսի էլեկտրական ազդանշանների միջոցով հայտնաբերել սրտի վնասված հատվածները

Վալենսիայի պոլիտեխնիկական համալսարանի հետազոտողները մշակել են արհեստական բանականության մոդել, որը մարմնի մակերեսից գրանցված էլեկտրական ազդանշանների միջոցով ընդունակ է որոշել նախասրտերի հյուսվածքի վնասվածքների տեղադրությունն ու տարածվածությունը։ Փորձարկման ընթացքում համակարգը 89% ճշգրտությամբ որոշել է ախտահարված հատվածների տեղադրությունը և 84% ճշգրտությամբ՝ գնահատել վնասվածքի մակերեսը։

Տեղեկատվական և հաղորդակցական տեխնոլոգիաների ինստիտուտի (ITACA) COR խմբի հետազոտողների աշխատանքը հրապարակվել է Discover Computing գիտական հանդեսում: Վերլուծության համար նրանք օգտագործել են գրաֆային նեյրոնային ցանց՝ արհեստական բանականության տեսակ, որն ընդունակ է հաշվի առնել տվյալների տարբեր կետերի միջև եղած փոխկապակցվածությունը:

Հետազոտությունը նվիրված է նախասրտային կարդիոմիոպաթիային՝ վիճակին, երբ նախասրտերի հյուսվածքում տեղի են ունենում էլեկտրական և կառուցվածքային փոփոխություններ, ներառյալ՝ ֆիբրոզ: Այդպիսի փոփոխությունները կապված են նախասրտերի ֆիբրիլյացիայի՝ սրտի ռիթմի ամենատարածված խանգարումներից մեկի առաջացման և սաստկացման հետ:

Նախասրտերի հյուսվածքի վիճակը որոշելու համար այսօր կարող են կիրառվել սրտի ներսում կատարվող ինվազիվ էլեկտրակարդիոգրաֆիկ քարտեզագրումը և մագնիսառեզոնանսային տոմոգրաֆիայի որոշ տեսակներ: Նոր մեթոդը ենթադրում է մարմնի մակերեսի ներուժների քարտեզների օգտագործում. իրանի վրա տեղադրված էլեկտրոդները գրանցում են սրտի էլեկտրական ակտիվությունը, ինչից հետո արհեստական բանականությունը վերլուծում է ազդանշանների բաշխումը տարածության մեջ և դրանց փոփոխությունները ժամանակի ընթացքում:

Մոդելի ուսուցման և ստուգման համար գիտնականներն օգտագործել են 14 հազար 400 մոդելավորված գրառումներ, որոնք ստեղծվել են նախասրտերի և իրանի տարբեր անատոմիական մոդելների հիման վրա: 128 էլեկտրոդների օգտագործման դեպքում համակարգը ճիշտ է որոշել ախտահարված հյուսվածքի տեղադրությունը դեպքերի 89%-ում: Զգայունությունը կազմել է 89%, յուրահատկությունը՝ 90%:

Մոդելը ցույց է տվել նաև հյուսվածքի ախտահարման աստիճանը գնահատելու կարողություն. դրա տարածվածության որոշման ընդհանուր ճշգրտությունը հասել է 84%-ի: Ընդ որում՝ համակարգը պահպանել է հարաբերականորեն կայուն արդյունքներ նույնիսկ էլեկտրական ազդանշանի որակի նվազման դեպքում, ինչը վկայում է աղմուկների նկատմամբ որոշակի կայունության մասին:

Հատկապես կարևոր են համարում այն, որ մոդելը պահպանել է գործունակությունը այն անատոմիական տարբերակների վերլուծության ժամանակ, որոնք չեն օգտագործվել դրա ուսուցման ընթացքում: Բացի դրանից, ուսուցողական ընտրանքում նախասրտերի և իրանի մոդելների բազմազանության ավելացումը բարելավել է դասակարգման արդյունքները:

Ընդսմին, առայժմ խոսքը միայն հայեցակարգի ապացուցման մասին է: Հետազոտության բոլոր տվյալները մոդելավորված են եղել, ուստի արդյունքները դեռևս չի կարելի համարել բուժառուների շրջանում մեթոդի արդյունավետության հաստատում: Հաջորդ փուլը պետք է լինի համակարգի ստուգումը իրական կլինիկական գրառումների վրա:

Հետևեք NEWS.am Medicine-ին Facebook-ում և Twitter-ում