• Door naar de hoofd inhoud
  • Spring naar de eerste sidebar
  • Spring naar de voettekst
  • Home
  • Wie zijn wij?
  • Categorieën
    • SCAD
    • Coronaire Vaatdisfunctie
    • Hartritmestoornis
    • VrouwenHart Professionals
    • VrouwenHart Cardiologen
    • Zwangerschap
    • Hartfalen
    • Kalender
  • VrouwenHart verhalen
  • VrouwenHart nieuws
  • Contact

Vrouwenhart

Alle informatie over het vrouwenhart in een oogopslag. We delen hier onze ervaringen maar ook onze kennis die we hebben opgedaan en nog dagelijks opdoen ten gevolge van hartproblemen. Onwetendheid kan een levensgroot gevaar betekenen voor vrouwen met hartproblemen. Wij zijn geen artsen maar evaringsdeskundigen en zo dient wat we hier plaatsen ook gelezen te worden.

Home » Onderzoek » Kunstmatige intelligentie identificeert hartfalen snel

Kunstmatige intelligentie identificeert hartfalen snel

6 november 2021 door Info Reageer

Onderzoekers van Mount Sinai hebben een nieuwe kunstmatige intelligentie technologie ontwikkeld die kleine veranderingen in het hart kan identificeren en hartfalen nauwkeurig kan voorspellen. De resultaten van dit onderzoek hebben ze onlangs gepubliceerd in het Journal of the American College of Cardiology.

Het onderzoek zou kunnen leiden tot een snellere diagnose en eerdere detectie van congestief hartfalen, waardoor artsen patiënten effectiever kunnen behandelen en de ziekteprogressie kunnen vertragen. Ze hebben aangetoond dat deep-learning algoritmen bloedpompproblemen aan beide zijden van het hart kunnen herkennen aan de hand van ECG-golfvormgegevens. 

Gewoonlijk vereist het diagnosticeren van dit soort hartaandoeningen dure en tijdrovende procedures. In een persbericht sprak senior auteur Benjamin S. Glicksberg, een assistent-professor Genetica en Genomische Wetenschappen aan Mount Sinaï,  de hoop uit dat dit kunstmatige intelligentie algoritme een snellere diagnose van hartfalen mogelijk zal maken.  

Als de meest voorkomende diagnose bij ziekenhuispatiënten ouder dan 65, hebben meer dan zes miljoen mensen in de VS congestief hartfalen. De aandoening treedt op wanneer het hart het bloed niet efficiënt door het lichaam kan pompen, waarbij het bloed sneller naar het hart terugkeert dan het kan worden weggepompt en congestie veroorzaakt. Naarmate het lichaam compenseert en de ziekte voortschrijdt, treden verschillende bijwerkingen op, zoals een vergroot hart, nierfalen, hartkloppingen en lage zuurstofvoorziening van organen. Bij het diagnosticeren van hartaandoeningen gebruiken artsen vaak elektrocardiogrammen voor het meten van de hartslag en elektrische activiteit, samen met echocardiogrammen voor gedetailleerde hartbeelden. 

Het diagnosticeren van hartfalen vereist echter expertise, speciale apparatuur die niet altijd direct beschikbaar is en kan tijdrovend zijn. Vaak kunnen veranderingen op het elektrocardiogram ook te subtiel zijn voor het menselijk oog om te detecteren, wat leidt tot een vertraagde diagnose.

 Eerdere studies hebben kunstmatige intelligentie technologie algoritmen ontwikkeld voor het detecteren van zwakte in de linker hartkamer – de kant die zuurstofrijk bloed in het lichaam duwt. Tot nu toe bestonden er echter geen hulpmiddelen voor het schatten van de rechterventrikelfunctie – die zuurstofarm bloed van het lichaam naar de longen verplaatst -, wat resulteerde in een onvolledige samenvatting van de volledige hartfunctie van een patiënt.

De onderzoekers hebben gewerkt aan het creëren van een diepgaand leerraamwerk dat de functie van de linker- en rechterventrikels evalueert. Het team gebruikte natuurlijke taalverwerking om een ​​computer te trainen om geschreven rapporten te lezen en te verwerken, samen met correlerende echocardiogrammen en elektrocardiogrammen van 148.227 patiënten. 

Met behulp van meer dan 700.000 echocardiogram- en elektrocardiogramrapporten van vier verschillende ziekenhuizen in het Mount Sinai Health System, trainden de onderzoekers het neurale netwerk om patronen te vinden en pompkrachten te herkennen. 

Voor het testen van het algoritme zijn gegevens van een vijfde ziekenhuis gebruikt. De modellen zijn getraind op een HIPAA-compatibele NVIDIA GPU-versnelde virtuele Azure Cloud-machine met NVIDIA V100 Tensor Core GPU’s.


Het algoritme voorspelde welke patiënten een gezond pompende linkerventrikel hadden met een nauwkeurigheid van 94%, en identificeerde patiënten met zwakke linkerventrikels ongeveer 87% van de tijd. De rechterventrikelfunctie was moeilijker te voorspellen en het algoritme bereikte een nauwkeurigheid van 84% bij het voorspellen welke patiënten zwakke rechterkleppen hadden.

De resultaten suggereren dat dit kunstmatige intelligentie algoritme een nuttig hulpmiddel zou kunnen zijn om klinische beoefenaars te helpen bij het bestrijden van hartfalen bij een verscheidenheid aan patiënten”, zei Glicksberg. “We zijn bezig met het zorgvuldig ontwerpen van prospectieve onderzoeken om de effectiviteit ervan in een meer realistische omgeving te testen.”


Het volledige onderzoek is te vinden op:


https://www.sciencedirect.com/science/article/pii/S1936878X21006276?via%3Dihub

Categorie: Hartfalen, Onderzoek, VrouwenHart nieuws Tags: Glicksberg, hartfalen, Kunstmatige intelligentie, Mount Sinai

Zoeken op deze site

Lees Interacties

Geef een reactie Reactie annuleren

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Primaire Sidebar

Volg ons op Social Media

Vrouwenhartverhalen

Het verhaal van Frans (57): “Ik wil bewustwording creëren bij cardiologen, huisartsen en andere patiënten. Dat het meer is dan dichtgeslibde aderen.”

Frans is 26 jaar getrouwd en heeft drie volwassen kinderen. Hij heeft altijd een druk leven gehad. In zijn carrière bekleedde hij verschillende internationale directiefuncties, waarvoor hij vaak op reis was. Daarnaast is hij Raadslid bij de gemeente. In zijn vrije tijd is Frans veel met sport bezig geweest. Hij was voetbaltrainer en jeugdscheidsrechter. En […]

Het VrouwenHart verhaal van Lucienne (58)

“Ik had wel symptomen, maar die heb ik verkeerd geïnterpreteerd. Ik dacht dat het door de overgang kwam.” Lucienne woont alleen. Tot twee jaar geleden werkte ze als taxichauffeur. Ze reed onder andere schoolkinderen met een beperking. Maar nadat ze een pacemaker met ICD kreeg, mocht ze dat werk niet meer doen. Lucienne hoopt binnenkort […]

More Posts from this Taxonomy

Schrijf je in voor de nieuwsbrief

We houden je op de hoogte van de laatste berichten

Dit e-mailadres zal uitsluitend gebruikt worden voor de nieuwsbrief van VrouwenHart.nl.

Footer

Zoeken op deze website

Of zoeken op categorie

  • Coronaire Vaatdysfunctie
  • Hartfalen
  • Hartritmestoornis
  • Kalender
  • Onderzoek
  • SCAD
  • Sticky
  • VrouwenHart nieuws
  • VrouwenHart Professionals
    • VrouwenHart Cardiologen
  • VrouwenHart verhalen
  • Wie zijn wij :
  • Zwangerschap

Recente berichten

  • Interview met Caroline Verhage, oprichter Stichting VrouwenHart, in iAM 4 september 2023
  • Experiences with an integrated screening programme targeted at women who had a hypertensive disorder or diabetes in pregnancy in the Netherlands: a qualitative study 4 september 2023
  • Regeling Ongewenst Gedrag Stichting VrouwenHart 1 september 2023
  • Klachtenregeling Stichting VrouwenHart 1 september 2023
  • Word donateur en help ons nog meer mensen te bereiken. 19 augustus 2023
  • Bewustmaking van hart- en vaatziekten bij vrouwen 17 augustus 2023

Vrouwenhart.nl is een initiatief om alle informatie over het vrouwenhart in een oogopslag beschikbaar te maken. We delen hier onze ervaringen maar ook onze kennis die we hebben opgedaan en nog dagelijks opdoen ten gevolge van hartproblemen.

Onwetendheid kan een levensgroot gevaar betekenen voor vrouwen met hartproblemen. Wij zijn geen artsen maar ervaringsdeskundigen en zo dient wat we hier plaatsen ook gelezen te worden.

Vrouwenhart is als Stichting ingeschreven onder KvK nummer 80483852 en RSIN861697764.

Rekeningnr NL 70 RABO 0363 3283 00 t.n.v. Stichting VrouwenHart

  • Stichting Vrouwenhart
  • Statuten van Stichting Vrouwenhart
  • Privacybeleid

Copyright © 2023 · Vrouwenhart.nl · Beheerd door Werkend Webdesign