با علائم بالینی مشابه؛
هوش مصنوعی ۴ بیماری استوایی را تشخیص می دهد
به گزارش ایت بال، تعدادی از پژوهشگران در هند مشغول توسعه یک ابزار مبتنی بر ماشین یادگیری هستند که به پزشکان کمک می نماید بیماری های استوایی مختلف همچون تب دانگ و مالاریا را از یکدیگر تمایز دهند.
به گزارش ایت بال به نقل از اینترستینگ انجینرینگ، این تحقیق نوین روش های آماری و یادگیری ماشینی را به صورت همزمان بررسی می کند تا بین عفونت های استوایی تمایز بوجود آورد. تشخیص بیماریهای استوایی بخصوص در موارد اضطراری یک چالش مهم برای پزشکان بشمار می رود. ۴ مورد از این بیمار ها همچون تب دانگ، مالاریا، تب شالیزار وتیفوئید علایم بالینی مشابهی دارند. گیریش تانگا استادیار این کالج می گوید: حتی با وجود فرآیند پیچیده تشخیص امکان دارد ۳ روز زمان ببرد تا نتایج آزمایش ها در دسترس قرار بگیرد. همین مساله سبب شد تا شناسایی بیماری با کمک یک ابزار هوش مصنوعی را بررسی نماییم. برای این منظور محققان طی یک دوره ۹ماهه، نیازسنجی را در یک مرکز مراقبت های عالی در جنوب هند انجام دادند. یک پرسشنامه با ۹ آیتم طراحی، تایید و توزیع و درنهایت پاسخ های آن تحلیل شد تا مشخص شود پزشکان نیازی به ایجاد تمایز میان بیماریهای استوایی در محیط شان دارند یا خیر. بخش نخست پرسشنامه شامل ۶ سوال خاص در رابطه با بیماری ها بود مانند میزان عفونت های استوایی، تعداد مواردی که در یک هفته درمان شدند، موانع در درمان عفونت های استوایی، چالش های درمان و نیاز برای توسعه ابزارها. بخش دوم این پرسشنامه توسعه ابزار را بررسی کرد و شامل ۳ سوال در رابطه با پارامترهایی بود که پزشکان تمایل داشتند در توسعه ابزار در نظر گرفته شود، فرمت های پیشنهادی برای ابزار و پیشنهادات دیگر. در مرحله بعد برای توسعه یک ابزار پیشبینی کننده، داده ها از سوابق پزشکی موجود در دانشکده بررسی شدند. سپس یک ابزار پیشبینی و یک الگوریتم ماشین یادگیری ابداع شد. تونگا در این زمینه می گوید: در کل داده های ۸۰۰ بیمار جهت بررسی ۴ بیماری (هر گروه ۲۰۰ نفر) در نظر گرفته شدند. از نرم افزار WEKA برای مدلسازی یادگیری ماشینی و در مرحله پس از آن برای آزمایش طبقه بندی باینری (یک بیماری در یک زمان) و چند کلاسه (هر چهار بیماری) استفاده شد. پرسشنامه ها میان ۴۰ پزشک و دانشجوی دکتری در دانشکده پزشکی توزیع شد. پزشکان اعلام نمودند هر هفته به صورت متوسط ۲۴ مورد عفونت استوایی را درمان می کنند. به عقیده آنها تشخیص بیماری و درمان علایم چالش برانگیز و مشکل بود. طبق تحقیق انجام شده، ۳۵ پزشک معتقد بودند به یک ابزار تصمیم گیری در این خصوص نیاز است و ۳۴ تن دیگر هم موافق بودند پارامترهای آزمایشگاهی و داده های بالینی بعنوان حوزه اصلی عملکرد ابزار در نظر گرفته شود. پرسشنامه ها نشان داد تب دانگ، مالاریا، تب شالیزار و تیفوئید معمول ترین بیمار های عفونی در این منطقه هستند و متداول ترین نشانگرهای آزمایشگاهی هم بیلی روبین، آلبومین، لیمفوسیت و پلاکت های خونی بودند. از طرف دیگر درد شکمی، خروجی اداری و غیر از نشانه های بالینی مهم برای پیشبینی بیماری به حساب می آیند. دقت ابزار توسعه یافته برای شناسایی تب دانگ (۶۰.۷)، مالاریا (۶۲.۵) و تب شالیزار ۶۶ درصد بوده است. همینطور قابلیت این ابزار برای پیشبینی بیماری تیفویید ۳۸ درصد اعلام شده است. به قول تونگا میزان اعتبار نتایج به دست آمده را بیشتر میتوان تحلیل کرد و برپایه هر سناریو بالینی ارتقا داد. حالا مقرر است پژوهش های بیشتری بر وجوه مختلف این بیماری ها صورت گیرد. نتایج پژوهش در نشریه PLOS انتشار یافته است.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب