Σε 2 έρευνες, τεχνητή νοημοσύνη χρησιμοποιήθηκε με αποτελέσματα ηλεκτροκαρδιογραφημάτων για να εντοπιστούν ασθενείς με αυξημένο κίνδυνο για κολπική μαρμαρυγή και όσους ήταν πιο πιθανό να πεθάνουν εντός έτους.

Χρησιμοποιώντας 2 εκατομμύρια ηλεκτροκαρδιογραφήματα που συλλέχτηκαν σε 3 δεκαετίες, οι ερευνητές δημιούργησαν νευρωνικά δίκτυα βαθιάς μάθησης. που προέβλεπαν μελλοντικά γεγονότα από ηλεκτροκαρδιογράφημα.

Σε μια έρευνα οι επιστήμονες χρησιμοποίησαν 1.1 εκατομμύρια ηλεκτροκαρδιογραφήματα που δεν εντόπισαν κολπική μαρμαρυγή σε περισσότερους από 237,000 ασθενείς για την αξιολόγηση της ικανότητας του δικτύου να προβλέψει την πάθηση πριν εκδηλωθεί.

Μεταξύ του 1% των ασθενών υψηλού κινδύνου όπως προέβλεψε το νευρωνικό δίκτυο βαθιάς μάθησης, το ένα τρίτο διαγνώστηκε με κολπική μαρμαρυγή εντός έτους.

Ασθενείς που προβλέφτηκε ότι θα αναπτύξουν κολπική μαρμαρυγή εντός έτους ήταν πιο πιθανόν να εμφανίσουν τη διαταραχή σε 25 χρόνια σε σχέση με άλλους ασθενείς.

Ο Christopher Haggerty ελπίζει ότι αυτό το μοντέλο μπορεί να χρησιμοποιηθεί για τον εντοπισμό ασθενών με κολπική μαρμαρυγή πολύ νωρίς, ώστε να μπορούν να αντιμετωπιστούν για να προληφθεί το εγκεφαλικό επεισόδιο.

Δεύτερη έρευνα χρησιμοποίησε αποτελέσματα 1.77 εκατομμυρίων ηλεκτροκαρδιογραφημάτων και άλλα στοιχεία από 400.000 ασθενείς. Το νευρωνικά δίκτυα βαθιάς μάθησης. ήταν καλύτερο από άλλες μεθόδους όσον αφορά την πρόβλεψη του κινδύνου θνησιμότητας από όλα τα αίτια εντός έτους.

Μπόρεσε να προβλέπει με ακρίβεια τον κίνδυνο θανάτου ακόμα και σε ασθενείς των οποίων το ηλεκτροκαρδιογράφημα εθεωρείτο φυσιολογικό.

Οι ερευνητές εξετάζουν τώρα αν οι προβλέψεις τεχνητής νοημοσύνης μπορούν να χρησιμοποιηθούν για τη βελτίωση της εικόνας της υγείας της καρδιάς των ασθενών.

Τα ευρήματα παρουσιάζονται στο συνέδριο AHA στη Φιλαδέλφεια.