Οι ερευνητές αποκαλύπτουν τα μυστήρια της καρδιάς και προβλέπουν καρδιακές παθήσεις με την τεχνητή νοημοσύνη

Πρόσφατα, δύο μελέτες που αφορούσαν την καρδιά χρησιμοποίησαν αλγόριθμους τεχνητής νοημοσύνης για να κατανοήσουν καλύτερα τον τρόπο λειτουργίας και δυσλειτουργίας της καρδιάς. Μια ομάδα ερευνητών έχει χρησιμοποίησε αλγόριθμους τεχνητής νοημοσύνης προς την αποκτήστε μια εικόνα για το πώς το σχήμα των μυών της καρδιάς επηρεάζει την απόδοσή της. Με τη βοήθεια αλγορίθμων AI, η ερευνητική ομάδα απέκτησε εικόνα για το πώς οι κοιλίες της καρδιάς διευκολύνουν τη ροή του αίματος και βρήκε έξι διαφορετικά τμήματα DNA που παίζουν σημαντικό ρόλο στην ανάπτυξη των καρδιακών μυών. Εν τω μεταξύ, μια άλλη μελέτη εξέτασε πώς θα μπορούσαν οι selfies μπορεί να χρησιμοποιηθεί για τη διάγνωση καρδιακών παθήσεων.

Ήδη από τον 15ο και τον 16ο αιώνα, οι επιστήμονες έχουν μελετήσει την καρδιά και αναρωτιούνται πώς η δομή της σχετίζεται με τη λειτουργία της. Ο Λεονάρντο ντα Βίντσι αναρωτήθηκε πώς οι μύες της καρδιάς κινούσαν το αίμα σε όλο το σώμα πριν από περισσότερα από 500 χρόνια. Χάρη σε μια ομάδα ερευνητών από ινστιτούτα όπως το MRC London Institute of Medical Sciences, το Cold Spring Harbor Laboratory, το Ευρωπαϊκό Ινστιτούτο Βιοπληροφορικής του EMBL (EMBL-EBI), το Πανεπιστήμιο της Χαϊδελβέργης και το Politecnico di Milano, είμαστε πολύ πιο κοντά στην κατανόηση του ρόλου ότι οι δοκίδες της καρδιάς παίζουν στην ανάπτυξη και τη λειτουργία της καρδιάς.

Οι δοκίδες είναι μυϊκές ίνες που σχηματίζουν ένα σύνθετο δίκτυο γεωμετρικών σχεδίων στην εσωτερική επιφάνεια της καρδιάς. Οι δοκίδες πιστεύεται ότι παρέχουν οξυγόνο στην καρδιά καθώς αναπτύσσεται, καθώς η ίδια η καρδιά είναι το πρώτο όργανο που αναπτύσσεται και δεν μπορεί να πάρει οξυγόνο από τους πνεύμονες. Ωστόσο, είναι από καιρό ένα μυστήριο ποιος ήταν ο ρόλος των δοκίδων στους ενήλικες. Ο Ντα Βίντσι είχε υποθέσει ότι οι δοκίδες της καρδιάς χρησίμευαν για να ζεστάνουν το αίμα καθώς κινούνταν μέσα στην καρδιά, αλλά χάρη στις ερευνητικές τεχνικές που βασίζονται στην τεχνητή νοημοσύνη έχουμε τώρα μια ιδέα για τον πραγματικό σκοπό τους.

Η ερευνητική ομάδα χρησιμοποίησε αλγόριθμους τεχνητής νοημοσύνης για να αναλύσει περίπου 25000 μαγνητικές τομογραφίες (απεικόνιση μαγνητικού συντονισμού) που ελήφθησαν από την καρδιά. Αυτές οι σαρώσεις τροφοδοτήθηκαν στο μοντέλο AI μαζί με γενετικά δεδομένα και δεδομένα μορφολογίας της καρδιάς. Οι ερευνητές ανέλυσαν τα αποτελέσματα του μοντέλου και διαπίστωσαν ότι οι δοκίδες φαινόταν να παίζουν ρόλο στη διευκόλυνση της ροής του αίματος μέσω των κοιλιών της καρδιάς. Τα γεωμετρικά σχέδια στο εσωτερικό της καρδιάς πιστεύεται τώρα ότι βοηθούν τη ροή του αίματος πιο αποτελεσματικά καθώς η καρδιά χτυπά.

Εκτός από το εύρημα ότι οι δοκίδες θα μπορούσαν να βοηθήσουν στην αποτελεσματική ροή του αίματος, οι ερευνητές ανακάλυψαν επίσης έξι τμήματα DNA που φαίνεται να επηρεάζουν την ανάπτυξη των δοκίδων. Δύο από τα έξι τμήματα DNA παίζουν επίσης ρόλους στην ανάπτυξη διακλαδιζόμενων νευρικών μονοπατιών εντός του εγκεφάλου. Είναι πιθανό ότι οι παρόμοιοι μηχανισμοί που δημιουργούν δοκίδες δημιουργούν επίσης νευρικά κύτταρα.

Το σχήμα των δοκίδων μπορεί ακόμη και να σχετίζεται με καρδιακές παθήσεις. Γενετικά δεδομένα από περισσότερους από 50000 ασθενείς αναλύθηκαν από την ερευνητική ομάδα και διαπιστώθηκε ότι τα διαφορετικά μοτίβα των δοκίδων είχαν κάποια συσχέτιση με τον κίνδυνο εμφάνισης καρδιακής νόσου.

Σε μια διαφορετική μελέτη, όπως αναφέρεται από το Futurism, ερευνητές από το Εθνικό Κέντρο Καρδιαγγειακών Νόσων στο Πεκίνο της Κίνας πειραματίστηκαν με μια τεχνητή νοημοσύνη ικανή να προβλέψει την πιθανότητα καρδιακών παθήσεων ενός ατόμου με βάση φυσικά χαρακτηριστικά που μπορούν να αποτυπωθούν σε μια απλή εικόνα ενός ατόμου. . Υπάρχουν φυσικά χαρακτηριστικά που σχετίζονται με καρδιακές παθήσεις, όπως κίτρινες εναποθέσεις κοντά στα βλέφαρα ενός ατόμου, λευκοί δακτύλιοι στις εξωτερικές άκρες του κερατοειδούς και γκριζάρισμα ή αραίωση μαλλιών. Όταν εκπαιδεύτηκε σε εικόνες ασθενών από κινεζικά νοσοκομεία, ο αλγόριθμος φέρεται να ξεπέρασε τις υπάρχουσες μεθόδους αξιολόγησης του κινδύνου καρδιακής νόσου, έχοντας τη δυνατότητα να ανιχνεύσει περίπου το 80% των περιπτώσεων καρδιακών παθήσεων. Επίσης, κατέγραψε περίπου το 60% όλων των αρνητικών περιστατικών καρδιακής νόσου.

Υπάρχει ένα υψηλό ποσοστό ψευδώς θετικών που σχετίζεται με τον αλγόριθμο, τον οποίο η ομάδα δηλώνει ότι θα πρέπει να αντιμετωπίσει, σημειώνοντας ότι τα ψευδώς θετικά θα μπορούσαν να προκαλέσουν στους ασθενείς περιττό άγχος και να υπερφορτώσουν το ιατρικό σύστημα με περιττές εξετάσεις. Ωστόσο, εάν μπορεί να αντιμετωπιστεί το ψευδώς θετικό ποσοστό του αλγόριθμου και να βελτιωθεί η συνολική ακρίβεια, θα μπορούσε να είναι ένα χρήσιμο εργαλείο για περιοχές του κόσμου που αγωνίζονται με την επαρκή χρηματοδότηση προγραμμάτων προσυμπτωματικού ελέγχου καρδιαγγειακών παθήσεων.