նախընտրելի դարձնելՋոնս Հոփկինսի համալսարանի գիտնականները պարզել են, որ արհեստական ինտելեկտի համակարգերը չեն կարող արդյունավետ կերպով ախտորոշել սրտի անբավարարությունը պահպանված արտամղման ֆրակցիայով (HFpEF): Ուսումնասիրության արդյունքները հրապարակվել են JACC: Advances-ում: HFpEF-ը մի պայման է, երբ սիրտը չի կարողանում արդյունավետորեն արյունով լցվել: Սա սրտի անբավարարության ամենատարածված ձևն է: Հետազոտողները պարզել են, որ արհեստական ինտելեկտի մոդելները, որոնք պատրաստված են էլեկտրոնային առողջապահական գրառումների տվյալների վրա, միշտ չէ, որ ճշգրիտ ախտորոշում են HFpEF-ը: Դա տեղի է ունենում այն պատճառով, որ շատ բժիշկներ չեն գրանցում այս ախտորոշումը բժշկական պատմության մեջ, նույնիսկ եթե հիվանդը ունի համապատասխան ախտանիշներ: Գիտնականները վերլուծել են ավելի քան 13 հազար հիվանդների մասին տեղեկատվությունը և պարզել, որ նրանց 63%-ի մոտ արհեստական ինտելեկտի մոդելները չեն կարողացել ախտորոշել HFpEF-ը՝ չնայած դրա իրական առկայությանը։ Սա ենթադրում է, որ նման մոդելների օգտագործումը կարող է հանգեցնել հիվանդության իրական տարածվածության թերագնահատմանը: Հետազոտողները նշել են, որ իրենց աշխատանքն ընդգծում է կլինիկական պրակտիկայում HFpEF-ի ախտորոշման բարելավման և բժշկական գրառումներում վիճակի խնամքով փաստագրման կարևորությունը: Նման փոփոխությունները կօգնեն բարելավել արհեստական ինտելեկտի մոդելների արդյունավետությունը և սրտի անբավարարությամբ հիվանդների բուժումը:
