Էդինբուրգի համալսարանի գիտնականները մշակել են մեթոդ, որն արագացրել է սրտի կաթվածի հայտնաբերումն՝ արհեստական ինտելեկտի (AI) միջոցով։ Աշխատանքի արդյունքները նկարագրված են Nature Medicine ամսագրում:

CoDE-ACS կոչվող ալգորիթմն արդեն փորձարկվել է 6 երկրների 10286 հիվանդների վրա: Այն օգտագործում է տեղեկատվություն տարիքի, սեռի, ԷՍԳ արդյունքների և բժշկական պատմության, ինչպես նաև տրոպոնինի մակարդակի մասին՝ սրտի կաթվածն ախտորոշելու համար: Այնուհետև, AI-ն յուրաքանչյուր հիվանդի համար տալիս է հավանականության գնահատական՝ 0-ից մինչև 100: Բացի այդ, CoDE-ACS-ը կարող է օգնել բժիշկներին բացահայտել նրանց, ում տրոպոնինի աննորմալ մակարդակը պայմանավորված է ոչ թե այլ հիվանդությամբ, այլ սրտի կաթվածով:

Նոր մոդելը հաջողությամբ հայտնաբերել է հիվանդությունը երկու անգամ ավելի շատ մարդկանց մոտ, քան գոյություն ունեցող ավանդական մեթոդները: Նեյրոնային ցանցի ճշգրտությունը կազմել է 9%: Այս աննախադեպ արագությունը կնվազեցնի հոսպիտալացումների թիվը ամբողջ աշխարհում։

Ներկայումս սրտի կաթվածի ախտորոշման ոսկե ստանդարտը արյան մեջ տրոպոնինի սպիտակուցի մակարդակի չափումն է: Բայց յուրաքանչյուր հիվանդի համար կիրառվում է նույն շեմը։ Սա նշանակում է, որ այնպիսի գործոններ, ինչպիսիք են տարիքը, սեռը և այլ առողջական խնդիրները, որոնք ազդում են տրոպոնինի մակարդակի վրա, հաշվի չեն առնվում, ինչը ազդում է սրտի կաթվածի ախտորոշման ճշգրտության վրա: Սա կարող է հանգեցնել ախտորոշման մեջ անհավասարության:

Օրինակ, նախորդ ուսումնասիրությունը ցույց է տվել, որ կանայք 50%-ով ավելի հավանական է, որ ստանան սխալ նախնական ախտորոշում և հետևաբար ունեն 70%-ով ավելի մեծ ռիսկ՝ մահանալու հաջորդ 30 օրվա ընթացքում: CoDE-ACS-ն արդյունավետ է՝ անկախ տարիքից, սեռից կամ ունեցած հիվանդություններից: Նոր ալգորիթմի ճշգրտությունը կախված չէ հիվանդների սեռից կամ տարիքից։

Այս պահին փորձագետները Շոտլանդիայում անցկացնում են կլինիկական փորձարկումներ, որոնք կորոշեն, թե գործիքը որքանով կօգնի նվազեցնել շտապ օգնության բաժանմունքների բեռը։