Νέες τεχνολογίες χρησιμεύουν για τη διεξαγωγή πολλών τύπων επακόλουθων αναλύσεων που μπορούν να ερμηνευθούν απευθείας από επαγγελματίες του τομέα της υγείας, ικανοποιώντας όλες τις απαιτήσεις ηθικής και εμπιστευτικότητας που απαιτούνται για τον βιοϊατρικό τομέα.
Καρδιογράφημα καταγραφή: Ένα ηλεκτροκαρδιογράφημα (ΗΚΓ) είναι μια εξέταση που καταγράφει την ηλεκτρική δραστηριότητα της καρδιάς κατά τη διάρκεια του καρδιακού κύκλου. Είναι μη επεμβατικό και συνήθως περιλαμβάνει τοποθέτηση ηλεκτροδίων στο δέρμα του ατόμου. Είναι ένας πιο ενδεικτικός τύπος εξέτασης όταν υπάρχει υποψία καρδιακής νόσου και επίσης σε ρουτίνες προληπτικούς ελέγχους υγείας.
Ο καρδιακός κύκλος συνεπάγεται την εκκένωση αίματος από τον κόλπο προς τις κοιλίες (κύμα “P”, κόκκινο στην εικόνα), τη συστολή των κοιλιών για την προώθηση του αίματος στους διαφορετικούς ιστούς και τα όργανα του σώματος (κύμα “QRS”, πράσινο στην εικόνα), και η χαλάρωση των κοιλιών για να ετοιμαστείτε για τον επόμενο καρδιακό παλμό (κύμα “Τ”, ματζέντα στην εικόνα).
Το ηλεκτροκαρδιογραφικό σήμα, ωστόσο, δεν αξιοποιείται από τεχνολογική άποψη. “Ενώ πολλοί καρδιολόγοι και εξειδικευμένο προσωπικό υγείας έχουν εμπειρία στην ερμηνεία ενός ηλεκτροκαρδιογραφήματος και την απόπειρα διάγνωσης, μεγάλο μέρος αυτής της διαδικασίας δεν είναι αυτοματοποιημένο”, εξηγεί ο Guillermo Jiménez-Pérez, πρώτος συγγραφέας μιας δημοσίευσης που δημοσιεύθηκε στο Scientific Reports, το οποίο παρουσιάζει έναν αλγόριθμο για την περιγραφή ενός ηλεκτροκαρδιογραφήματος. , δηλαδή, μια αναλυτική μέθοδος για τον διαχωρισμό / ποσοτικοποίηση των διαφόρων φάσεων που εμπλέκονται στους καρδιακούς κύκλους.
Οι μετρήσεις των διαφόρων φάσεων του καρδιακού κύκλου πρέπει να γίνονται ισχυρά, δηλαδή πρέπει να εφαρμόζονται στην ευρεία μεταβλητότητα των πιθανών περιπτώσεων. Πρώτον, λόγω των πολλών πιθανών μορφολογιών που μπορεί να προκύψουν από ασθενή σε ασθενή (η εικόνα απεικονίζει μια αναπαράσταση διαφορετικών παθολογικών και φυσιολογικών καρδιακών παλμών, που μπορεί να διαφέρουν πολύ μεταξύ των ατόμων), καθώς και για την προώθηση της χρήσης τους για επακόλουθες συγκριτικές αναλύσεις. «Δηλαδή, η απόκτηση της μορφολογίας των διαφορετικών QRS ενός συγκεκριμένου ασθενούς μπορεί να βοηθήσει στον προσδιορισμό των πτυχών του QRS που είναι ανώμαλες σε σχέση με τον γενικό πληθυσμό – ή ακόμη και σε σχέση με τον ασθενή λίγα χρόνια νωρίτερα,” Pérez- Ο Jiménez εξηγεί.
Το έργο αυτό δημοσιεύθηκε στις Επιστημονικές Εκθέσεις στις 13 Ιανουαρίου και πραγματοποιήθηκε από τον Guillermo Jiménez-Pérez και τον Oscar Camara, μέλη της ερευνητικής ομάδας PhySense, στο πλαίσιο της Μονάδας Έρευνας BCN MedTech, συνδεδεμένη με το Τμήμα Τεχνολογιών Πληροφοριών και Επικοινωνιών του UPF (DTIC) , μαζί με τον Alejandro Alcaide του Πανεπιστημίου San Jorge στη Σαραγόσα. Για τους συγγραφείς της μελέτης, το γεγονός ότι η τεχνική της ηλεκτροκαρδιογραφίας δεν έχει ακόμη αυτοματοποιηθεί είναι εκπληκτικό, δεδομένου ότι πολλές από τις κύριες τάσεις που σχετίζονται με την τεχνολογία σήμερα βασίζονται στον αυτοματισμό μέσω της ανάπτυξης αλγορίθμων τεχνητής νοημοσύνης .
Σε αυτό το πλαίσιο, το έργο που δημοσιεύθηκε στο Scientific Reports έχει πλαισιωθεί. Μέσω της χρήσης προηγμένων τεχνικών τεχνητής νοημοσύνης, αναπτύχθηκε ένας αλγόριθμος για την οριοθέτηση του ηλεκτροκαρδιογραφήματος, βελτιώνοντας την απόδοση σε σχέση με άλλους υπάρχοντες αλγόριθμους στην επιστημονική βιβλιογραφία. Αυτοί οι αλγόριθμοι λαμβάνονται με μαζική σύλληψη και επεξεργασία δεδομένων και, μόλις αναπτυχθούν, είναι σε θέση να επεξεργάζονται νέα δεδομένα πολύ γρήγορα και στιβαρά. Αυτό το παράδειγμα, αυτό της τεχνητής νοημοσύνης, έχει πολλά θετικά εξωτερικά χαρακτηριστικά, όπως η ικανότητα επεξεργασίας και χρήσης αυξανόμενων ποσοτήτων δεδομένων τα οποία, με τη σειρά τους, είναι χρήσιμα για σχολιασμό και επεξεργασία. νέων δεδομένων, δημιουργώντας έτσι βρόχους θετικών σχολίων που τελικά αποφέρουν οφέλη για τον χρήστη.
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
