پژوهشگران دانشگاه "ام.آی.تی"، یک الگوریتم مبتنی بر یادگیری ماشینی ابداع کرده‌اند که می‌تواند خطر نارسایی قلبی را زودتر از پزشکان پیش‌بینی کند.

 به نقل از گیزمگ، یکی از راه‌هایی که پزشکان با کمک آن می‌توانند برخی از هشدارهای احتمالی در مورد نارسایی قلبی را به دست بیاورند، تشخیص مایعات اضافی در شش ‌ها است. پژوهشگران دانشگاه "ام.آی.تی"(MIT)، یک الگوریتم جدید مبتنی بر یادگیری ماشینی ابداع کرده‌اند که می‌تواند به آنها در این تشخیص کمک کند. این الگوریتم می‌تواند افرادی را که بیماری آنها شدید است، با دقت بسیار شناسایی کند. پژوهشگران امیدوار هستند که بتوانند این الگوریتم را برای تشخیص بیماری‌های دیگر نیز به کار بگیرند.
الگوریتم‌های مبتنی بر هوش مصنوعی و یادگیری ماشینی می‌توانند به واسطه قدرت محاسباتی جدید، داده‌های حاصل از تصویربرداری پزشکی را مورد بررسی قرار دهند تا تغییرات مهمی را که هنگام بروز بیماری در انسان‌ها رخ می‌دهند و پزشکان قادر به مشاهده آنها نیستند، پیدا کنند.
قابلیت الگوریتم‌های مبتنی بر هوش مصنوعی و یادگیری ماشینی می‌تواند امکان تشخیص بیماری‌هایی مانند آلزایمر یا سرطان را پیش از این که پزشکان آنها را تشخیص دهند، فراهم کنند. این الگوریتم جدید اگرچه مسیری مشابه بقیه الگوریتم‌ها در پیش گرفته است اما بر مکانیسم متفاوتی تمرکز دارد.
پزشکان معمولا برای شناسایی بیمارانی که در معرض خطر نارسایی قلبی قرار دارند، مایعات اضافی داخل ریه‌ها را با استفاده از تصاویری که با کمک اشعه ایکس از شُش ‌ها ثبت شده‌اند، ارزیابی می‌کنند. تجمع آب در شُش که (pulmonary edema) نامیده می‌شود، اکسیژن‌رسانی خون را مختل می‌کند و خطر زیادی در پی دارد. مشکل اینجاست که این ارزیابی‌ها اغلب براساس ویژگی‌های ظریفی صورت می‌گیرد که می‌توانند به تشخیص نادرست و برنامه‌های درمانی نامناسب منجر شوند.
پژوهشگران ام.آی.تی برای استفاده از الگوریتم یادگیری ماشینی در تشخیص این مشکل، آن را با ۳۰۰ هزار تصویر ثبت شده با اشعه ایکس و گزارش‌های نوشته شده توسط رادیولوژیست‌ها آموزش دادند.
"گیتیکا چاوهان"(Geeticka Chauhan)، سرپرست این پروژه گفت: مدل ما می‌تواند هم تصویر و هم متن را تجزیه و تحلیل کند. ما این مدل را آموزش دادیم تا تفاوت میان تصاویر ثبت شده با اشعه ایکس و متن گزارش‌های رادیولوژی را برای بهبود تفسیر تصاویر به حداقل برسانیم.
 پژوهشگران برای آزمایش این الگوریتم یادگیری ماشینی، آن را برای تحلیل تصاویر اشعه ایکس و طبقه‌بندی شدت به کار گرفتند. الگوریتم توانست سطح درست Pulmonary edema را با دقت تشخیص دهد اما تشخیص آن در مورد سطح سوم بیماری، در ۹۰ درصد مواقع درست بود.

پژوهشگران امیدوارند که این الگوریتم بتواند به پزشکان در مدیریت بهتر مشکلات قلبی کمک کند.