بزرگنمايي:

سیاست و بازاریابی - ایسنا / یک الگوریتم هوش مصنوعی که فقط بر اساس تصاویر معمول ماموگرافی و سن طراحی شده است، می‌تواند خطر بیماری قلبی عروقی عمده در زنان را به اندازه روش‌های استاندارد ارزیابی خطر پیش‌بینی کند.
بیماری قلبی عروقی و عوامل خطر آن در زنان مورد کم‌توجهی قرار می‌گیرد و کم‌ درمان می‌شود و الگوریتم‌های پیش‌بینی خطر در زنان عملکرد کمتری داشته‌اند.
بازار
به نقل از مدیکال اکسپرس، میزان رسوبات کلسیم شریانی (BAC) و تراکم بافت در پستان‌ها با خطر بیماری قلبی عروقی مرتبط بوده است، اما رسوبات کلسیم شریانی با چاقی مرتبط نیست و با سیگار کشیدن رابطه‌ی منفی دارد، که نشان می‌دهد به تنهایی مؤثر نیست.
بنابراین آنها تصمیم گرفتند بررسی کنند که آیا یک تحلیل خودکار هوش مصنوعی از تمام ساختار داخلی و ویژگی‌های تصاویر ماموگرافی معمول ممکن است پیش‌بینی خطر بیماری قلبی را دقیق‌تر کند یا خیر.
آنها داده‌های خود را از 49 هزار و 196 زن با میانگین سن 59 سال را بین سال‌های 2009 تا 2020 که در استرالیا زندگی می‌کردند، جمع‌آوری کردند.
در زمان ثبت‌نام، زنان اطلاعات اولیه‌ی سلامت خود را ارائه دادند، شامل سن، وضعیت سیگار کشیدن، مصرف الکل، وزن (BMI)، هرگونه سابقه دیابت و مصرف داروهای فشار خون بالا و/یا کلسترول بالا و داروهای رقیق‌کننده خون.
اطلاعات اضافی شامل وضعیت یائسگی، هورمون‌تراپی، و همچنین عواملی که ممکن است بر ساختار داخلی پستان تأثیر بگذارند، مانند پرتودرمانی، جراحی و سرطان بود.
حدود پنج درصد از زنان سیگاری بودند، 62 درصد شاخص توده بدنی بالای 25 داشتند، 6 درصد دیابت نوع 2 داشتند، 33 درصد داروی کلسترول مصرف می‌کردند، 27 درصد داروی فشار خون و 11 درصد داروی رقیق‌کننده خون مصرف می‌کردند.
در طول یک دوره‌ی پیگیری میانگین تقریباً 9 سال، 3,392 نفر از این زنان اولین «حادثه» قلبی عروقی خود را تجربه کردند که شامل بیماری عروق کرونر (2,383 نفر)، حمله قلبی (656 نفر)، سکته (434 نفر) یا نارسایی قلبی (731) نفر بود.
پژوهشگران الگوریتم هوش مصنوعی را بر اساس تمام ساختارها و ویژگی‌های داخلی پستان از تصاویر ماموگرافی به‌علاوه سن زن توسعه دادند تا خطر بیماری قلبی عروقی عمده در طول 10 سال پیش‌بینی شود.
پژوهشگران چندین محدودیت در یافته‌های خود را اذعان کردند، از جمله اینکه اسکنرهای مختلف داده‌های کاملا یکسان تولید نمی‌کنند؛ عوامل خطر قلبی عروقی مورد مقایسه بر اساس خودگزارشی بود و تمام مدل‌های یادگیری عمیق کاملا وابسته به داده‌های آموزشی خود هستند.
اما آنها می‌گویند: یک مزیت کلیدی مدل ماموگرافی که ما توسعه دادیم این است که نیاز به گرفتن سابقه اضافی یا داده‌های پرونده پزشکی ندارد و از یک فرآیند غربالگری موجود که به‌طور گسترده توسط زنان استفاده می‌شود بهره می‌برد.
ماموگرافی پتانسیل دارد که به‌عنوان یک ابزار ارزیابی خطر «دو در یک» عمل کند و بهره‌وری را برای جامعه و سیستم بهداشت و درمان فراهم کند.
آنها اذعان دارند: استفاده از تصاویر ماموگرافی برای پیش‌بینی خطر قلبی عروقی نوآورانه است، اما استفاده از مدل‌های یادگیری ماشینی برای انجام پیش‌بینی خطر قلبی عروقی در حال افزایش است.
برخلاف تصور رایج، سرطان پستان تنها حدود 10 درصد از کل مرگ‌ها در جهان را ایجاد می‌کند، در مقایسه با مرگ‌هایی که ناشی از بیماری قلبی عروقی هستند، کمتر است.
بنابراین ماموگرافی ممکن است یک «نقطه تماس» برای افزایش آگاهی درباره خطر و بیماری قلبی عروقی در زنان باشد.