پژوهشگران ایرانی، مدل هوش مصنوعی (AI) توضیحپذیری ارائه کردهاند که میتواند خطر حوادث عمده قلبی و عروقی و سکتههای قلبی و مغزی را 5 سال پیش از وقوع در افراد ، پیشبینی کند.
فرشته هاشمی
به گزارش وبسایت دکتر رضا ملکزاده، این پژوهش بینرشتهای با حضور محققانی از حوزههای مختلف پزشکی، قلب، اپیدمیولوژی، مهندسی کامپیوتر از دانشگاههای صنعتی شریف، علوم پزشکی تهران، علوم پزشکی گلستان، علوم پزشکی ایران، مرکز پزشکی سیدرز-ساینای آمریکا و پژوهشگاه ارتباطات و فناوری اطلاعات انجام شده و نتایج آن در مقالهای تحت عنوان:
Explainable Artificial Intelligence Models in Predicting
Major Cardiovascular Events: Insights from the PolyIran and PolyPars Prospective Studie
در مجله Scientific Reports، از نشریات مجموعه Nature Portfolio منتشر شده است.
مطالعه بر بستر دادههای دو مطالعه کوهورت آیندهگر مبتنی بر جمعیت «پلی ایران» و «پلی پارس» /PolyIran و PolyPars (بزرگترین مطالعات پیشگیری از بیماریهای قلبی و عروقی و سکتههای قلبی و مغزی در ایران) استوار است که طی سالهای گذشته توسط محققان علوم پزشکی ایران به سرپرستی دکتر رضا ملکزاده، استاد ممتاز دانشگاه علوم پزشکی تهران و با مشارکت حدود 10 هزار فرد بزرگسال 40 تا 75 سال شرکتکننده در مطالعه کوهورت گلستان به اجرا درآمده بودند.
آمارهای جهانی نشان میدهد با وجود آن که بیماریهای قلبی و عروقی و سکتههای قلبی و مغزی همچنان قاتل شماره یک جهان و مرگهای زودرس زیر 70 سال به شمار میروند اما شمار مبتلایان این بیماریها همچنان روند فزاینده نگرانکنندهای را طی میکند.
محققان مطالعه حاضر که دکتر امیر غفاری ، پزشک و پژوهشگر فعال در حوزه هوش مصنوعی، نویسنده ارشد آن است، تاکید میکنند که با وجود اهمیت شناسایی افراد در معرض خطر بالای این حوادث، بسیاری از محاسبهگرهای موجود، پیچیدگی کامل پروفایلهای سلامت فردی را در بر نمیگیرند و این درحالیست که شناسایی علائم خطر قبل از بروز این بیماریها، میتواند به ارائهدهندگان مراقبتهای بهداشتی کمک کند تا تغییرات سبک زندگی و نظارت دقیقتر بر مصرف درست داروها و ارائه توصیههای جدی به افراد در معرض خطر را کمک کند.
به گفته نویسندگان مطالعه ، «هوش مصنوعی توضیحپذیر» این پژوهش، به گونهای طراحی شده که پیشبینیهای یادگیری ماشینی به عنوان عاملی مهم در بررسیهای بالینی را شفافتر و قابل فهمتر کند،
هدف محققان مطالعه حاضر، پاسخ به این پرسش بوده که آیا «هوش مصنوعی توضیحپذیر» (Explainable AI) پیشبینی خطر وقوع بیماریهای قلبی و عروقی را بهبود بخشیده و در عین حال به پزشکان نشان میدهد که کدام عوامل بیشترین تأثیر را بر تصمیمات مدل داشتهاند؟»
محققان پس از تجزیه و تحلیل ثانویه دادههای مطالعات PolyIran و PolyPars (دو مطالعه کوهورت وسیع و طولانی مدت مبتنی بر اطلاعات 10 هزار فرد بزرگسال از جمعیت مناطق مختلف ایران)، طیف گستردهای از متغیرهای مرتبط با سلامت شامل سن ، جنس، اندازهگیری فشار خون، شاخص توده بدنی (BMI)، سطح قند خون، اندازهگیری کلسترول، شاخصهای عملکرد کلیه، وضعیت سیگار کشیدن، مصرف «پلیپیل» (قرص ترکیبی حاوی داروهای پیشگیری از بیماری های قلبی و عروقی و سکتههای قلبی و مغزی) و همچنین میزان پایبندی بیماران قلبی و عروقی به مصرف این قرص ترکیبی را برای تحقیق خود در نظر گرفتند
XGBoost ، مدل هوش مصنوعی مورد استفاده در مطالعه
پژوهشگران در بررسیهای خود دریافتند در میان تمام مدلهای هوش مصنوعی آزمایش شده، مدل XGBoost، قویترین و سازگارترین عملکرد را دارد؛ چرا که با دقت و پایداری بیشتری احتمال وقوع رویدادهای قلبی را در جمعیت مورد بررسی، پیشبینی میکند و در مجموعه داده نهایی به سطح تفکیکپذیری (AUC) ۰.۸۴ میرسد؛ رقمی که از سایر مدلهای بررسیشده بالاتر بود. مزیت این مدل در کنار دقت بالاتر، آن بود که برخلاف برخی مدلهای هوش مصنوعی که مانند یک «جعبه سیاه» عمل میکنند و مشخص نیست چرا به یک نتیجه رسیدهاند، این روش امکان بررسی نقش هر متغیر در تصمیم نهایی را نیز فراهم میکند و بر همین اساس پژوهشگران توانستند مشخص کنند هر عامل چه سهمی در افزایش یا کاهش خطر بیماریهای قلبی و عروقی دارد. در مقابل، مدل Random Forest (یادگیری عمیق) مورد استفاده در این پژوهش، عملکرد ضعیفتری داشت و نتایج متوسطی را نشان داد.
یافتههای مطالعه
عوامل خطرساز بیماریهای قلبی و عروقی و سکته
پژوهشگران این مطالعه با استفاده از «هوشی مصنوعی توضیحپذیر» مدل XGBoost ، سن بالاتر، سطح کراتینین بالاتر (نشانگر عملکرد کلیه)، فشار خون سیستولیک بالاتر، سایر عوامل مرتبط با افزایش خطر بیماریهای قلبی عروقی از جمله قند خون ناشتای بالا، شاخص توده بدنی( BMI) بالاتر، نسبت نامطلوب کلسترول LDL چربی خون بد به HDL چربی خون خوب، جنس مرد، سیگار کشیدن را به عنوان عواملی برشمردند که بیشترین تأثیر را بر پیشبینی وقوع حوادث عمده قلبی عروقی و سکتههای قلبی و مغزی دارند.
به گفته محققان این مطالعه، مصرف داروهای قلبی و عروقی و پایبندی بهتر به درمان با خطر کمتر این بیماریها در آینده مرتبط است.
یافته کلیدی : کراتینین را جدی بگیرید!
همان طور که شاخصهای معرفی شده نشان میدهد، یکی از مهمترین یافتههای این تحقیق، اهمیت سطح کراتینین برای پیشبینی وقوع بیماریهای قلبی عروقی و سکتههای قلبی و مغزی است. کراتینین معمولاً برای ارزیابی عملکرد کلیه استفاده میشود، اما در بسیاری از نمرات معمول در بررسی خطر بیماریهای قلبی و عروقی، بویژه سن و فشار خون بالا، لحاظ نمیشود. درحالی که مدل هوش مصنوعی مطالعه، این شاخص را به عنوان یکی از قویترین پیشبینیکنندههای حوادث قلبی عروقی آینده را در هر دو جمعیت مستقل و همچنین در تحلیل تجمیعی شناسایی کرده است.
به گفته پژوهشگران ، این یافته نشان میدهد که سلامت کلیه ممکن است نقش بیشتری در ارزیابی خطر قلبی عروقی نسبت به آنچه بسیاری از ابزارهای فعلی تشخیص میدهند، داشته باشد و آزمایش روتین عملکرد کلیه میتواند پیشبینی خطر را بهبود بخشد.
مزیت مدل هوش مصنوعی XGBoost :
تعیین مهمترین عامل خطر بیماری قلبی و عروقی و سکته در هر فرد
نویسندگان تحقیق تاکید دارند: از آنجا که مدل هوش مصنوعی به کار گرفته شده در مطالعه، از اطلاعاتی استفاده میکند که معمولاً در معاینات و آزمایشهای رایج در دسترس هستند، میتواند در آینده به شکل یک نرمافزار، سامانه تحت وب یا بخشی از پرونده الکترونیک سلامت برای کمک به تصمیمگیری پزشکان به کار گرفته شود. مزیت دیگر این روش آن است که مشخص میکند کدام عامل بیشترین نقش را در افزایش خطر هر فرد داشته و بنابراین میتواند به هدفمندتر شدن اقدامات پیشگیرانه مانند کنترل فشار خون، بررسی عملکرد کلیه، مدیریت قند و چربی خون و تقویت پایبندی به درمان کمک کند.
ابزارهای مبتنی بر هوش مصنوعی میتوانند به پزشکان کمک کنند تا افراد پرخطر را زودتر شناسایی کنند و به طور بالقوه استراتژیهای پیشگیری از بیماریهای قلبی عروقی را بهبود بخشند.
شاخصهای ژنتیک و وضعیت اقتصادی و اجتماعی به مطالعات آینده افزوده شود
پژوهشگران این تحقیق در عین حال تصریج میکنند این مطالعه بر اساس دادههای دو مطالعه مشاهدهای در جمعیت ایران دادههای جمعیت ایران انجام شده و بنابراین امکان نتیجهگیری درباره رابطه علت و معلولی وجود ندارد. بنابراین قبل از اجرای گسترده این یافتهها، اعتبارسنجی بیشتر در سایر کشورها و مراکز مراقبتهای بهداشتی مورد نیاز است.
آنها پیشنهاد کردهاند در مطالعات آینده، متغیرهایی مانند عوامل ژنتیکی یا شاخصهای اجتماعیـاقتصادی نیز به مدل افزوده و عملکرد آن در جمعیتهای مستقل خارج از این دو مطالعه نیز ارزیابی شود تا قابلیت تعمیم نتایج، با اطمینان بیشتری صورت گیرد.
مدلهای پیشکننده هوش مصنوعی، نقش پشتیانی دارند نه جایگزینی!
محققان مطالعه تاکید دارند مانند همه مدلهای پیشبینیکننده، سیستمهای هوش مصنوعی باید از قضاوتهای بالینی پشتیبانی کنند، نه آن که جایگزین ارزیابیهای پزشک یا روشهای متداول ارزیابی خطر شود.
گفتنی است مطالعه کوهورت «پلیایران» که مطالعه حاضر در بستر آن انجام شده است، پس از 5 سال اجرا و پیگیری وضعیت سلامت مشارکتکنندگان بزرگسال 40 تا 75 در مطالعه کوهو ت گلستان (عمدتا از قوم ترکمن)، موفق به ارائه قویترین شواهد علمی در جهان در زمینه تاثیر قرص ترکیبی «پلیپیل» (ترکیبی از آسپرین 81 میلیگرم، انالاپریل 5 میلیگرم/والسارتان 40 میلیگرم برای کسانی که با مصرف انالاپریل دچار سرفه می شدند/ ، آتورواستاتین 20 میلیگرم و هیدروکلروتیازید 12 میلیگرم ، از مهمترین داروهای اساسی مورد نیاز بیماران قلبی عروقی برای کنترل فشار خون، چربی خون و ضد انعقاد خون بر پیشگیری اولیه از بیماریهای قلبی و عروقی و سکتههای قلبی و مغزی ) شد و نتایج این مطالعه در مقالهای با عنوان Effectiveness of polypill for primary and secondary prevention of cardiovascular diseases (PolyIran): a pragmatic, cluster-randomised trial در سال 2019 در مجله بینالمللی مشهور «لنست» انتشار یافت.
مطالعه کوهورت پارس نیز با مشارکت بیش از 4 هزار فرد 40 تا 75 سال از اقوام مختلف فارس، ترک و عرب ساکن منطقه جنوب ایران («والاشهر» در شهرستان کازرون استان فارس و 93 روستا از توابع آن) انجام و مقالات متعددی از آن در مجلات معتبر بینالمللی منتشر شده است.
پلیپیل در فهرست «داروهای ضروری یشگیری از حوادث عمده قلبی و عروقی» سازمان بهداشت جهانی
قرص ترکیبی پیشگیری اولیه از بیماریهای قلبی عروقی و سکتههای قلبی و مغزی با نام تجاری «پلیپیل» در سال 2023 در فهرست داروهای مهم و حیاتی سازمان بهداشت جهانی قرار گرفت.
انتهای پیام