تستهای ECG با هوش مصنوعی پیری زودرس را پیشبینی میکند

تستهای الکتروکاردیوگرام (ECG) ممکن است در آینده همراه با مدلهای هوش مصنوعی (AI) برای تشخیص پیری زودرس و کاهش شناختی استفاده شوند، طبق یک مطالعه مقدماتی که در کنفرانس بینالمللی سکته مغزی انجمن سکته آمریکا 2025 ارائه خواهد شد. این همایش از ۵ تا ۷ فوریه ۲۰۲۵ در لسآنجلس برگزار میشود و اولین همایش جهانی برای پژوهشگران و پزشکان در زمینه علم سکته مغزی و سلامت مغز است.
به گزارش بخش تشخیص پزشکی رسانه اخبار پزشکی مدنا، سکته مغزی میتواند به کاهش شناختی مرتبط با سن کمک کند و بر کیفیت زندگی و عملکرد تأثیر بگذارد. الکتروکاردیوگرام (ECG) فعالیت الکتریکی ضربان قلب را اندازهگیری میکند. با هر ضربان، یک ایمپالس الکتریکی یا موج از قلب عبور میکند. پژوهشگران یک مدل هوش مصنوعی به نام شبکه عصبی عمیق (DNN) طراحی کردند تا سن بیولوژیکی افراد (سن سلولها و بافتهای بدن) را از دادههای ECG آنها پیشبینی کند.
برنارد آوفوسوهانه، نویسنده اصلی مطالعه و هماهنگکننده تحقیقاتی بالینی در دپارتمان پزشکی مدرسه پزشکی UMass Chan در ورچستر، ماساچوست: «برخلاف سن تقویمی که بر اساس سالهای زندگی است، سن ECG وضعیت عملکردی قلب و احتمالاً کل ارگانیسم را در سطح بافت منعکس میکند و به بینشهایی در مورد پیری و وضعیت سلامت ارائه میدهد.»
پژوهشهای قبلی نشان دادهاند که سن ECG میتواند به پیشبینی بیماریهای قلبی و مرگ کمک کند. پیش از این مطالعه جدید، اطلاعات کمی در مورد رابطه سن ECG با اختلالات شناختی وجود داشت. پژوهشگران دادههای بیش از ۶۳,۰۰۰ شرکتکننده در UK Biobank را تجزیه و تحلیل کردند، یک مطالعه بزرگ و در حال انجام از بیش از ۵۰۰,۰۰۰ داوطلب از انگلستان که زمانی که بین ۴۰ تا ۶۹ سال سن داشتند ثبتنام کردند. شرکتکنندگان مجموعهای از آزمونهای شناختی را انجام دادند.
عملکرد شناختی آنها در حین بازدیدهای ارزیابی تحلیل شد تا با زمانبندی تست ECG همراستا شود و مدل هوش مصنوعی برای تعیین سن ECG آنها استفاده شد. این رویکرد اطمینان حاصل کرد که دادههای شناختی بهطور دقیق وضعیت شناختی شرکتکنندگان را در همان زمان که سن ECG آنها تخمین زده میشد، ثبت میکند. بر اساس نتایج سن ECG در مقایسه با سن واقعی آنها، شرکتکنندگان به سه گروه تقسیم شدند: پیری طبیعی، پیری تسریعشده ECG (بزرگتر از سن تقویمی خود) و پیری کندشده ECG (کوچکتر از سن تقویمی خود).
تحلیلها نشان داد که در مقایسه با گروه پیری طبیعی، بر اساس سن ECG، افراد:
- گروه کوچکتر از سن تقویمی خود در ۶ از ۸ آزمون شناختی عملکرد بهتری داشتند.
- گروه بزرگتر از سن تقویمی خود در ۶ از ۸ آزمون شناختی عملکرد ضعیفتری داشتند.
آوفوسوهانه گفت: «دادههای زیادی از ECG برای درمان سکته مغزی وجود دارد و من از متخصصان بهداشت میخواهم که از این دادهها برای جستجوی علائم کاهش شناختی استفاده کنند. این کار میتواند به تشخیص زودهنگام و مداخله به موقع کمک کند.»
این مطالعه محدودیتهای متعددی دارد. زیرا تحلیلها بر روی افرادی بین سنین ۴۳ تا ۸۵ سال (سنین زیرمجموعه UK Biobank که تحلیل شد) انجام شده است، بنابراین مشخص نیست که آیا یافتهها برای سایر سنین نیز قابل تعمیم هستند. این مطالعه مقطعی که همه اندازهگیریها در یک زمان انجام شده، اطلاعاتی درباره تغییرات عملکرد شناختی در طول زمان ارائه نمیدهد. نتایج این مطالعه بر روی شرکتکنندگان UK Biobank ممکن است برای سایر جمعیتها قابل تعمیم نباشد.
آوفوسوهانه گفت: «در تحقیقات آینده، هدف ما این است که بررسی کنیم آیا تفاوتهای جنسیتی بر رابطه بین سن ECG و عملکرد شناختی تأثیر میگذارد یا خیر. همچنین با توجه به اینکه بیشتر شرکتکنندگان UK Biobank از نژاد اروپایی هستند، ما علاقهمندیم بدانیم که آیا یافتههای ما میتواند در جمعیتهای متنوعتر نیز تکرار شود.»
پژوهشگران بهطور فزایندهای ارتباط قوی بین سلامت قلب و مغز را شناسایی میکنند. این مطالعه نشان میدهد که وقتی هوش مصنوعی دادههای ECG را تجزیه و تحلیل میکند، سن بیولوژیکی بالاتر با عملکرد شناختی ضعیفتر مرتبط است. استفاده از دادههای ECG برای ارزیابی توانایی شناختی به نظر میرسد که یک ایده آیندهنگرانه باشد. اگر این مطالعه تأیید شود، میتواند نتایج مهمی داشته باشد. برای مثال، دادههای ECG که در مطب پزشک یا از راه دور با دستگاههای پوشیدنی جمعآوری میشوند، میتوانند به ارزیابی شناختی در خانه یا در مناطق روستایی که از متخصصان علوم اعصاب و روانشناسی کمبود دارند، کمک کنند. علاوه بر این، استفاده از دادههای ECG و هوش مصنوعی ممکن است سریعتر و عینیتر از ارزیابیهای نوروسایکولوژیک سنتی باشد. با این حال، یک سؤال مهم باقی میماند: آیا دادههای ECG میتوانند کاهش شناختی آینده را پیشبینی کنند؟ پاسخ به این سؤال میتواند به درمانهای ارزشمندی منجر شود، زیرا برخی از مشکلات ECG قابل اصلاح هستند.
فرناندو دی. تستای، پزشک، دکترای تخصصی، FAHA، رئیس بیانیه علمی انجمن قلب آمریکا در اکتبر ۲۰۲۴ در زمینه مشارکتهای قلبی در سلامت مغز و استاد عصبشناسی و توانبخشی در دانشکده پزشکی دانشگاه ایلینوی در شیکاگو، در این مطالعه دخیل نبوده است. پژوهشگران ۶۳,۸۰۰ شرکتکننده (میانگین سن ۶۵ سال، ۵۲ درصد زن) را از آگوست ۲۰۲۳ تا ژوئیه ۲۰۲۴ تحلیل کردند. بیشتر شرکتکنندگان از نسل اروپایی سفیدپوست در UK Biobank بودند، یک مطالعه بزرگ و در حال انجام از بیش از ۵۰۰,۰۰۰ داوطلب در انگلستان که بین سالهای ۲۰۰۶ تا ۲۰۱۰ ثبتنام کردهاند.
شرکتکنندگان در بیوبانک از این مطالعه کنار گذاشته شدند اگر دادههای ECG یا شناختی آنها ناقص یا نامعتبر بود. در مجموع ۱۵,۵۶۳ بزرگسال در گروه پیری طبیعی، ۲۴,۶۷۱ شرکتکننده در گروه پیری تسریعشده و ۲۳,۵۶۶ نفر در گروه پیری کندشده قرار گرفتند. هشت آزمون شناختی برای این مطالعه تحلیل شدند. برخی از شرکتکنندگان در UK Biobank تستهای بیشتری انجام دادند. نتایج آزمونهای شناختی پس از تنظیم سن تقویمی، جنسیت و سطح تحصیلات بین سه گروه مقایسه شد.
