Kαρδιά

Τεχνητή νοημοσύνη για τη στεφανιαία νόσο

Τεχνητή νοημοσύνη για τη στεφανιαία νόσο

Ένα νέο σύστημα τεχνητής νοημοσύνης, που ανέπτυξαν ερευνητές στις ΗΠΑ, παρέχει τη δυνατότητα πιο ακριβούς πρόβλεψης για την πιθανότητα να πεθάνει μέσα στα επόμενα χρόνια ένας ασθενής με καρδιολογικό πρόβλημα, ιδίως διαγνωσμένη ή ύποπτη στεφανιαία νόσο.

Οι ερευνητές, με επικεφαλής τον δρ Θίο Πέζελ του Πανεπιστημιακού Νοσοκομείου Τζονς Χόπκινς της Βαλτιμόρης, έκαναν τη σχετική ανακοίνωση στο επιστημονικό συνέδριο “EuroEcho 2011” της Ευρωπαϊκής Εταιρείας Καρδιολογίας.

Το σύστημα μηχανικής μάθησης μπορεί να προβλέψει με ακρίβεια 76% ποιος καρδιαγγειακός ασθενής θα ζει ή θα έχει πεθάνει μετά από δέκα χρόνια, δηλαδή προβλέπει σωστά για τρεις στους τέσσερις ασθενείς.

Αντίθετα με τις παραδοσιακές μεθόδους που βασίζονται σε κλινικά δεδομένα (ηλικία, φύλο, κάπνισμα, υπέρταση, χοληστερίνη κ.α.), το νέο σύστημα που “βαθμολογεί” κάθε ασθενή, συμπεριλαμβάνει πληροφορίες από απεικονιστικές εξετάσεις της καρδιάς με βάση την τεχνική CMR (Cardiovascular Magnetic Resonance).

Το σύστημα “εκπαιδεύτηκε” αναλύοντας στοιχεία για σχεδόν 32.000 ασθενείς, με μέση ηλικία 64 ετών μεταξύ 2008-2018, οι οποίοι παρακολουθήθηκαν κατά μέσο όρο επί έξι χρόνια για θανάτους οποιασδήποτε αιτιολογίας (στη διάρκεια της μελέτης πέθαναν 2.679 άτομα ή το 8,4%).

Δημιουργήθηκε έτσι ένας αλγόριθμος που “διαβάζει” το προφίλ κάθε ασθενούς και κάνει εκτίμηση για τον μελλοντικό κίνδυνο θανάτου του.

Πηγή: ΑΠΕ-ΜΠΕ

Δημοφιλή

Υγεία
1

Αυτό είναι το θαυματουργό έλαιο που προστατεύει από το Αλτχάιμερ

Φάρμακα
2

Ανατροπή δεδομένων στα εμβόλια mRNA: Οι εμβολιασμένοι πεθαίνουν πλέον στις ΗΠΑ από COVID-19

Υγεία
3

Το τρόφιμο που θωρακίζει «αθόρυβα» τα οστά σε κάθε ηλικία… δεν είναι το γάλα!

Kαρδιά
4

Ποιοι είναι οι φυσιολογικοί καρδιακοί παλμοί και ποια τα επικίνδυνα όρια – Πότε πρέπει να ανησυχήσετε

Περισσότερα

10.10.2026

Τέσσερις απλές ασκήσεις για καλύτερη στάση σώματος: Πώς να «ξεμπλοκάρετε» πλάτη και ώμους

Ιδανικές για όσους περνούν πολλές ώρες μπροστά σε υπολογιστή και κινητό

09.10.2026

Απώλεια βάρους μετά τα 40: Όσα πρέπει να ξέρετε για τη μέθοδο 2-2-2 που μπορεί να σας βοηθήσει

Τι αλλάζει στον μεταβολισμό με την ηλικία και ποιες απλές καθημερινές συνήθειες μπορούν να συμβάλουν στον έλεγχο του βάρους

O Γιάννης Σπαλιάρας «λιώνει» στην αγκαλιά της καλλονής Γεωργιανής συντρόφου του – Δείτε βίντεο
09.10.2026

O Γιάννης Σπαλιάρας «λιώνει» στην αγκαλιά της καλλονής Γεωργιανής συντρόφου του – Δείτε βίντεο

Άνι Νάιτ: Το σχόλιο καλεσμένου στον γάμο του μοντέλου του Only Fans που προκάλεσε αμηχανία
08.10.2026

Άνι Νάιτ: Το σχόλιο καλεσμένου στον γάμο του μοντέλου του Only Fans που προκάλεσε αμηχανία

Η Δανάη Μπάρκα αποκάλυψε μέσω story το «πρόβλημα» λόγω της εγκυμοσύνης της (φωτο)
07.10.2026

Η Δανάη Μπάρκα αποκάλυψε μέσω story το «πρόβλημα» λόγω της εγκυμοσύνης της (φωτο)

Συμβιβασμός για την FKA Twigs & τον Λα Μπεφ: Αίρονται οι ρήτρες εμπιστευτικότητας – Τι σημαίνει αυτό
07.10.2026

Συμβιβασμός για την FKA Twigs & τον Λα Μπεφ: Αίρονται οι ρήτρες εμπιστευτικότητας – Τι σημαίνει αυτό

Οι άνθρωποι που απατούν έχουν αυτά τα χαρακτηριστικά – Τι δείχνει η ψυχολογία
06.10.2026

Οι άνθρωποι που απατούν έχουν αυτά τα χαρακτηριστικά – Τι δείχνει η ψυχολογία

Η φράση που ηρεμεί ένα θυμωμένο παιδί μέσα σε 30 δευτερόλεπτα
06.10.2026

Η φράση που ηρεμεί ένα θυμωμένο παιδί μέσα σε 30 δευτερόλεπτα

Δείτε τι συμβαίνει στο σώμα μας όταν ερωτευόμαστε αλλά και όταν χωρίζουμε
05.10.2026

Δείτε τι συμβαίνει στο σώμα μας όταν ερωτευόμαστε αλλά και όταν χωρίζουμε

Tο αρχαίο επάγγελμα που ήταν τόσο επικίνδυνο ώστε μπορούσε να σε σκοτώσει σε λίγα χρόνια
03.10.2026

Tο αρχαίο επάγγελμα που ήταν τόσο επικίνδυνο ώστε μπορούσε να σε σκοτώσει σε λίγα χρόνια