با علائم بالینی مشابه؛
هوش مصنوعی 4 بیماری استوایی را تشخیص می دهد
بست روید: تعدادی از محققان در هند مشغول توسعه یک ابزار مبتنی بر ماشین یادگیری هستند که به پزشکان کمک می نماید بیماریهای استوایی مختلف همچون تب دانگ و مالاریا را از یکدیگر تمایز دهند.
به گزارش بست روید به نقل از اینترستینگ انجینرینگ، این تحقیق نوین روش های آماری و یادگیری ماشینی را بطور همزمان بررسی می کند تا بین عفونت های استوایی تمایز بوجود آورد. تشخیص بیماریهای استوایی به ویژه 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 پروسه پیچیده تشخیص ممکنست ۳ روز بطول بیانجامد تا نتایج آزمایش ها در دسترس قرار بگیرد. همین مورد سبب شد تا شناسایی بیماری با کمک یک ابزار هوش مصنوعی را بررسی نماییم. برای این منظور پژوهشگران 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 درباره ی بیماریها 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 درباره ی 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 پیش بینی کننده، داده ها از سوابق پزشکی موجود در دانشکده بررسی شدند. سپس یک ابزار پیش بینی 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 بطور 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 نیز موافق بودند پارامترهای آزمایشگاهی و داده های بالینی به عنوان 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 نیز بیلی روبین، آلبومین، لیمفوسیت و پلاکت های خونی بودند. از طرف دیگر درد شکمی، خروجی اداری و غیر از نشانه های بالینی مهم برای پیش بینی 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. همین طور قابلیت این ابزار برای پیش بینی بیماری تیفویید ۳۸ درصد اعلام شده است. بگفته تونگا میزان اعتبار نتایج به دست آمده را بیشتر می توان تحلیل کرد و بر طبق هر سناریو بالینی ارتقا داد. حالا مقرر است پژوهش های بیشتری بر وجوه مختلف این بیماریها صورت گیرد. نتایج پژوهش در نشریه PLOS انتشار یافته است.
منبع: بست روید
این مطلب بست روید چطور بود؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات کاربران در مورد این مطلب بست روید