سیناپرس/ محققان دانشگاه پیتسبرگ، یک مدل جدید مبتنی بر یادگیری ماشینی را توسعه داده اند که قادر است حملات قلبی را با استفاده از تفسیر نوار قلب (ECG) و بسیار سریع تر و دقیق تر از روش های فعلی، پیش بینی و طبقه بندی کند. پژوهشگران توضیح داده اند، مدل ما تضمین می کند که بیماران می توانند بدون تاخیر، تحت مراقبت مناسب قرار گیرند.
 سکته قلبی، زمانی رخ می دهد که یک لخته خون، جریان خون را به طور کامل مسدود کند. بیشتر سکته ها به دلیل بیماری عروق کرونر رخ می ‌دهند که عوامل خطر آن شامل فشار خون بالا، استعمال دخانیات، دیابت، عدم تحرک، چاقی، کلسترول خون بالا، رژیم غذایی نامناسب و مصرف بیش از حد الکل است
STEMI، بدترین نوع حمله قلبی است که به دلیل انسداد کامل در یک شریان کرونری ایجاد می شود و نیاز به مداخله فوری برای بازگرداندن جریان خون دارد. این وضعیت از تغییرات و نوسانات مشاهده شده در نوار قلب، قابل تشخیص است.
چالش بزرگ پزشکان در تشخیص حملات قلبی، این است که تقریبا دو سوم حملات قلبی ناشی از انسدادهای شدیدی هستند که الگوی ECG مشخصی ندارند؛ ابزار جدید، به تشخیص سرنخ های ظریف در ECG کمک می کند و طبقه بندی بیماران مبتلا به درد قفسه سینه را بهبود می بخشد.
دانشمندان اظهار داشته اند، اطلاعات استخراج شده از این مدل، می ‌توانند به بهبود تصمیم‌ گیری ‌های پزشکی از جمله شروع درمان‌ های خاص یا هشدار به بیمارستان‌ ها در مورد ورود بیمار پرخطر کمک کنند. از طرف دیگر، مدل ما همچنین می تواند به شناسایی بیماران کم خطری که ممکن است نیازی به مراجعه به بیمارستان با تجهیزات پزشکی پیشرفته و تخصصی قلب نداشته باشند، کمک کند.
یافته های تحقیقاتی در مجله Nature Medicine منتشر شده اند.