خب بذار راحت و خودمونی واست توضیح بدم که این مقاله دقیقاً چی میگه و چرا جالب و مهمه؛ مخصوصاً اگه دوست داری از هوش مصنوعی تو پزشکی سر دربیاری یا بخوای بدونی چجوری میشه یه مدل واقعا کاربردی ساخت.
بیاید یه کم عقب‌تر بریم: کسایی که حمله قلبی با اسم علمی ST-elevation myocardial infarction یا همون STEMI رو تجربه کردن (این همون نوع شدید حمله قلبیه که در نوار قلبی موج STش بالا میره و کلی دردسر درست می‌کنه)، همیشه بعد از مرخص شدن از بیمارستان توی خطر هستن. و با اینکه پیشرفت‌هایی توی درمان به اسم PCI یا همون آنژیوپلاستی (یعنی باز کردن رگ بسته با بالون یا استنت) باعث شده مرگ‌ومیر توی بیمارستان خیلی کمتر شه، اما مراقبت و پیش‌بینی وضعیتی که بعدش دارن، واقعاً حیاتی باقی مونده.
اینجا هوش مصنوعی—یا همون Machine Learning (یعنی مدل‌هایی که مثل آدم یاد می‌گیرن و داده‌ها رو بررسی می‌کنن)—میاد وسط و باعث میشه بتونیم بهتر حدس بزنیم کی احتمالاً تا یک سال بعد مشکل دار میشه و به مراقبت بیشتر نیاز داره.
توی این مطالعه، محقق‌ها اومدن داده‌های 1274 نفر از این بیمارا رو جمع کردن؛ تازه با کلی جزییات پزشکی و آزمایشگاهی (در واقع 46 تا ویژگی مختلف مثل آزمایش خون، فشار خون، تعداد ضربان قلب و…).
حالا برای ساخت مدل پیش‌بینی، سه تا روش مختلف پردازش داده و الگوریتم هوش مصنوعی رو امتحان کردن تا مسئله class imbalance رو هم حل کنن (یعنی اینکه تعداد کسایی که تو یک سال فوت می‌کنن خیلی کمتر از اوناییه که زنده می‌مونن. این عدم تعادل خودش یه مشکله!).
مدل اصلی که جواب داد، Random Forest بود؛ این یه نوع مدل هوش مصنوعی قدرتمنده که با ساختن کلی “درخت تصمیم” مختلف و رأی‌گیری بینشون تصمیم می‌گیره – یعنی هر درخت نظرشو میگه آخرش مدل یه تصمیم جمعی می‌گیره!
نتایج این‌جوری بود:
- توی تست داخلی، AUROC مدل شد 0.94 (AUROC یه معیار سنجش دقت مدله، عملاً هر چی نزدیک‌تر به ۱ بهتر. یعنی این مدل واقعاً خوب عمل کرده!)
- AUPRC هم شد 0.44 (اینجا هم منظور دقت مدل توی پیش‌بینی کساییه که واقعا فوت می‌کنن)
اما نکته جالب‌تر اینه که فقط با ۵ ویژگی میشه پیش‌بینی خیلی دقیقی داشت! اونا این ویژگی‌ها رو پیدا کردن:
- شوک قلبی (Cardiogenic shock: وقتی قلب نمی‌تونه خون کافی پمپاژ کنه و بدن تو شوک میره)
- کراتینین (Creatinine: یه ماده تو خون که نشون میده کلیه چقدر سالمه)
- NT-proBNP (این هم یه فاکتور آزمایش خونیه که اگه بالا بره احتمال نارسایی قلبی بیشتره)
- فشار خون دیاستول (یعنی همون فشار پایین توی فشارسنج)
- درصد کارکرد قلب (Left ventricular ejection fraction: یعنی قلب با هر ضربان چقدر خون می‌تونه پمپاژ کنه)
یه نکته باحال دیگه اینکه اگه مدل رو با “تقسیم‌بندی ریسک” یا Risk Stratification ترکیب کنن (یعنی بر اساس سطح ریسک بیمارا رو دسته‌بندی کنن)، دقت مدل حتی بالاتر هم میره: AUROC میشه ۰.۹۷ و AUPRC هم 0.74 (کلاً نزدیک عالی!)
جمع‌بندی طور: این تحقیق نشون میده نیازی نیست مدل هوش مصنوعی خیلی پیچیده باشه و کلی ویژگی عجیب داشته باشه. میشه با چند تا داده کلیدی، یک مدل ساده و قابل فهم ساخت که هم دقیق باشه، هم کاربردی و برای دکترها و حتی خود بیمارا قابل استفاده باشه. خلاصه، آینده پزشکی با کمک هوش مصنوعی راحت‌تر، هوشمندتر، و پیش‌بینانه‌تر میشه!
منبع: +
