Emory Üniversitesi, Georgia Teknoloji Enstitüsü ve Harvard Tıp Fakültesi bağlantılı hastanelerin ortaklaşa yürüttüğü çalışmada, 39 binden fazla hastanın uyku testi ve EKG verileri derin öğrenme algoritmalarıyla analiz edildi. SLEEP dergisinde yayımlanan araştırma, uyku sırasında kalbin elektriksel aktivitesinde meydana gelen küçük değişimlerin gelecekteki sağlık riskleri hakkında bilgi verebileceğini gösterdi.
Uykunun hafif evresindeki kalp ritmi incelendi
Araştırmada, özellikle uykunun hafif evresinde kaydedilen EKG verileri üzerinde duruldu. Bilim insanlarına göre uykuya geçiş sırasında sinir sisteminde yaşanan değişimler, kalbin elektriksel iletimindeki ve atım düzenindeki bazı anormalliklerin belirlenmesine yardımcı olabiliyor.
Geliştirilen yapay zekâ modeli, yaş, cinsiyet, diyabet, hipertansiyon ve sigara kullanımı gibi bilinen risk faktörleri hesaba katıldıktan sonra da hastaların 10 yıllık kardiyovasküler risklerini sınıflandırabildi.
Kalp ritmi bozukluğu ve felç riskiyle bağlantı tespit edildi
Araştırmada, yapay zekâ modelinin oluşturduğu risk skorundaki her bir birimlik artışın farklı sağlık sorunlarıyla ilişkisi incelendi. Bulgulara göre risk skorundaki artış;
-
Atriyal fibrilasyon riskinde yüzde 103 ila 172,
-
Felç riskinde yüzde 19 ila 40,
-
Kalp yetersizliği riskinde yüzde 69 ila 133,
-
Herhangi bir nedene bağlı ölüm riskinde yüzde 65 ila 82
oranlarında artışla ilişkili bulundu.
Çalışmanın yazarlarından Prof. Dr. Gari Clifford, uyku testleri sırasında elde edilen kalp verilerinin bugüne kadar yeterince değerlendirilmediğine dikkat çekti. Clifford, bu verilerin yapay zekâ ile analiz edilmesinin mevcut risk tahmin modellerini yüzde 9'a kadar iyileştirdiğini belirtti.
Erken teşhis için yeni bir yöntem olabilir
Araştırmacılar, uyku testlerinden elde edilen verilerin yapay zekâ yardımıyla değerlendirilmesinin, henüz belirti göstermeyen kişilerde olası sağlık risklerinin daha erken fark edilmesine yardımcı olabileceğini düşünüyor.
Bu yöntemin gelecekte uyku bozukluklarına yönelik tarama süreçlerine entegre edilmesi ve risk grubundaki kişilerin daha yakından izlenmesine katkı sağlaması hedefleniyor.
Ancak araştırma bulguları, yapay zekânın tek başına kalp hastalığı teşhisi koyduğu veya bir kişinin kesin olarak felç ya da kalp yetersizliği yaşayacağını belirlediği anlamına gelmiyor. Yöntemin klinik uygulamalardaki kullanımının ve hastaların tedavi süreçlerine sağlayacağı katkının ayrıca değerlendirilmesi gerekiyor.
