تعیین میزان عود آریتمی های بطنی زودرس و تاکی کاردی بطنی ایدیوپاتیک پس از ابلیشن کاتتر رادیوفرکانسی با کمک طراحی مدل یادگیری ماشینی

IVT یا PVC ممکن است باعث اتساع قلب و اختلال عملکرد سیستولیک قلب (به عنوان مثال، کاردیومیوپاتی ناشی از PVC) شود. به همین منظور انتظار محرابی نسب و همکاران مطالعه ایی را با هدف طراحی یک مدل ML برای پیش‌بینی احتمال عود PVC و IVT پس از RF انجام دادند.

بیماران بالای 18 سال مبتلا به PVC و IVT که بین سال های 2021 تا 2022 به بیمارستان مرکز قلب تهران مراجعه کرده و تحت کاتتر ابلیشن قرار گرفتند، کاندید ورود به این مطالعه بودند که حجم نمونه 520 نفر تعیین شد. میانگین سنی بیماران 58 سال بود و مردان 59.3٪ از شرکت کنندگان را تشکیل می دادند. آریتمی 18.4٪ بر اساس داده های به دست آمده از 48 ساعت هولتر نظارت بر ریتم PVC بود.

داده‌های بیماران با استفاده از تحلیل سنتی و مدل‌های مختلف هوش مصنوعی، مانند MLP، ماشین‌های تقویت گرادیان، جنگل تصادفی و رگرسیون لجستیک جمع‌آوری و بررسی شدند.

نتایج این مطالعه که در ژورنال Regenerative Therapy در سال 2024 به چاپ رسید نشان داد که فشار خون بالا، جنسیت مردانه و استفاده از کاتتر با درصد کمتری از آریتمی همراه هستند. تمام این نتایج از طریق روش های تحلیلی سنتی به دست آمد و با بررسی های هوش مصنوعی، هیچ یک از متغیرها تأثیر واضحی بر عود آریتمی نداشتند.

هر مدل هوش مصنوعی نقاط قوت و ضعف منحصر به فردی را ارائه می دهد و بهینه سازی و تنظیم دقیق این مدل ها برای افزایش کاربرد بالینی آنها ضروری است. با گسترش مجموعه داده، پیش‌بینی‌های بهبود یافته را می‌توان تقویت کرد تا در نهایت کاربرد بالینی هوش مصنوعی در پیش‌بینی پیامدهای PVC  افزایش یابد.