هوش مصنوعی در تشخیص بیماری های قلبی و دیابت

بیماری های قلبی و دیابت از جمله شایع ترین بیماری های مزمن در جهان هستند که تشخیص و مدیریت به موقع آن هامیتواند به بهبود کیفیت زندگی بیماران کمک کند . هوش مصنوعی با استفاده از الگوریتم های پیشرفته و تحلیل داده های بزرگ توانسته است در تشخیص و پیش بینی این بیماری ها نقش مهمی ایفا کند در بیماری های قلبی هوش مصنوعی میتواند با تحلیل تصاویر پزشکی و داده های الکتروکاردیوگرام (E C G) ناهنجاری های قلبی را با دقت بالایی شناسایی کند . همچنین در تشخیص دیابت الگوریتم های یادگیری ماشین میتواند با تحلیل داده های بالینی و سبک زندگی بیماران خطر ابتلا به دیابت را پیش بینی میکند این فناوری نه تنها دقت تشخیص را افزایش میدهد بلکه میتواندبه شخصی سازی درمان و بهبود مدیریت بیماری ها کمک کند . سیستم تصمیم گیری بالینی هوش مصنوعی AICSSیکی ازروشهای نوآورانه در تشخیص و پیشگیری از بیماریهای قلبی است. این سیستم با استفاده از یادگیری ماشین و استخراج دانش با مشارکت متخصصان طراحی شده است . نشان داده است که دقت بسیار بالایی در تشخیص بیماری قلبی دارد. به همین دلیل، استفاده از هوش مصنوعی در تشخیص بیماری قلبی میتواند بسیار مفید واقع شود، به خصوص در مواقعی که متخصصان قلب در دسترس نیستند.در حال حاضر، استفاده از تکنیک های اسکن شبکیه برای تشخیص بیماری های شبکیه ای مانند دیابتی رتینوپاتی و بیماری عصبی شبکیه مورد بررسی قرار گرفته است. آنچه که جدیدا به توجه محققان مبدل شده است، استفاده از هوش مصنوعی در ترکیب با اسکن شبکیه غیرتهاجمی برای بررسی عملکرد قلب و پیش بینی تغییرات در عروق بزرگ بر اساس ویژگیها و عملکرد میکروواسکوالر است. همچنین،استفاده از هوش مصنوعی در تشخیص دیابتی رتینوپاتی بر اساس تصاویر فوندوس و OCT ماکول همراه با دقت وحساسیت بالا تایید شده است. این تحقیقات نشان میدهد که تغییرات در ساختار و عملکرد شبکیه ممکن است نشان دهنده بیماریهای عروقی سیستمیک و پیشرفت آنها باشد. با توجه به این تحقیقات، استفاده از هوش مصنوعی ویادگیری عمیق برای تشخیص بیماری های قلبی نیز مطرح است.در علم کامپیوتر وفناوری امکان ثبت سیگنال ها بصورت مداوم با استفاده دستگاه الکتروکاردیوگرام وجود دارد از طرفی تشخیص آریتمی بوسیله ی کامپیوتر برای مدیریت اختلالات قلبی حائز اهمیت است.در پژوهش های گذشته، مدل های مبتنی بر درخت تصمیم، ماشین بردارپشتیبان، بیز ساده، فازی وشبکه ی عصبی برای طبقه بندی و تشخیص همبستگی، ژنتیک، فیشر و الگوریتم بهینه سازی ازدحام ذرات برای انتخاب ویژگی ارائه گردید.هر یک متریک هایی چون دقت، جامعیت و میانگین مربعات خطا بر اساس نیاز پژوهش ها گزارش شد. کاربرد هوش مصنوعی در دیابت، بدون محدودیت زبانی، و در بازه زمانی مارس ۲۰۰۰ تا پایان مارس ۲۰۲۱ در نظر گرفته شد. به منظور یافتن مقاالت پایگاه های pubmed ,scholar ,sمورد بررسی قرارگرفتند.