پیش‌بینی شدت کووید ۱۹ با بهره‌گیری از راه‌حل‌های یادگیری عمیق
احمد شالباف، دانشیار گروه مهندسی پزشکی دانشگاه علوم پزشکی شهید بهشتی، در ارتباط با این تحقیق بیان کرد: شیوع کووید ۱۹ به سرعت در سراسر جهان گسترش یافت و با افزایش مداوم تعداد بیمارستان‌شده‌ها و فوتی‌ها، به یک چالش بزرگ بهداشت جهانی تبدیل گردید. این بیماری اقتصاد و زیرساخت‌های مراقبت‌های درمانی را به شدت تحت تأثیر قرار داد وMembers ریه، قلب، کلیه و دستگاه گوارش را هدف خود قرار می‌دهد. طیف شدت بیماری از موارد بی‌علامت تا عوارض تنفسی وخیم شامل تنگی نفس، هیپوکسیمی و سندرم آلام تنفسی حاد (ARDS) متغیر است.
ایشان افزود: سندرم آلام تنفسی حاد، حالتی وخیم از التهاب ریه است که منجر به کم‌اکسیژنی یا هیپوکسی می‌شود و نرخ مرگ‌ومیر بالایی دارد. این بیماران نیازمند بستری در بخش مراقبت‌های ویژه (ICU) و استفاده از ونتیلاتور هستند.
🔗 بیشتر بخوانید: ویدئویی شگفت‌انگیز از زمین در ۱.۸ میلیارد سال قبل_آینده
به گفته این محقق، عوامل متنوعی می‌توانند باعث تشدید بیماری یا عواقب نامطلوب شوند. این عوامل را می‌توان به سه دسته ویژگی‌های دموگرافی، نشانه‌های حیاتی و نتایج آزمایشگاهی تقسیم‌بندی کرد.
شالفاف، عوامل دموگرافی مرتبط با شدت بیماری را شامل سن، جنسیت، چاقی، سوابق سیگاری و وضعیت اقتصادی، بالإضافة به بیماری‌های زمینه‌ای همچون دیابت، فشار خون بالا، بیماری‌های مزمن ریه، سرطان، نارسایی مزمن کلیه و بیماری‌های قلبی-عروقی عنوان کرد. همچنین تأکید کرد که دمای بدن، سطح اشباع اکسیژن خون، حداکثر و حداقل فشار خون، ضربان قلب و نرخ تنفس از متغیرهای حیاتی هستند که باید در طول بیماری پایش شوند.
🔗 بیشتر بخوانید: بازار سیاه اسپرم؛ مردانی که اسپرم خود را آنلاین می‌فروشند_آینده
وی تصریح نمود: هدف این مطالعه، تدوین یک سیستم پیش‌بینی سریع و خودکار برای پیشرفت کووید ۱۹ بر اساس اطلاعات دموگرافی، بالینی و آزمایشگاهی با بهره‌گیری از الگوریتم‌های پیشرفته هوش مصنوعی، به‌ویژه شبکه‌های عصبی عمیق، با دقت و حساسیت بالا بوده است. به بیان دیگر، با کشف رابطه بین متغیرهای مجزا و تشدید بیماری، این متغیرها به عنوان پیش‌بینی‌کننده‌های اختصاصی شدت بیماری کرونایی شناسایی شدند. پیش‌بینی زودهنگام وضعیت بیماران می‌تواند با تخصیص بهینه منابع و برنامه‌ریزی درمانی، ریسک مرگ‌ومیر را کاهش دهد.
شالفاف تأکید کرد: مدل ما بر پایه داده‌های روز اول پذیرش بیمار ساخته شده است. یک مدل پیش‌بینی‌کننده ایده‌آل زمانی است که در لحظه‌ی اول پذیرش، میزان پیشرفت بیماری را تخمین بزند، زیرا در این نقطه تیم پزشکی باید تصمیم بگیرد که بیمار نیازمند بستری و مراقبت‌های ویژه است یا خیر و تخت‌های بیمارستان را برای موارد بحرانی رزرو نماید.
🔗 بیشتر بخوانید: انسان‌ها می‌توانند با منفعت گیری از دکمه‌های صوتی با سگ‌ها ربط برقرار کنند_آینده
به گزارش مرکز ارتباطات و خبر‌رسانی معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست جمهوری، این پژوهشگر در ادامه اظهار داشت: از آنجا که در آغاز این تحقیق، هیچ مطالعه جامع در خصوص پیش‌بینی شدت کووید ۱۹ منتشر نشده بود، هدف اصلی این پژوهش، بهره‌گیری از الگوریتم‌های متنوع هوش مصنوعی و یادگیری ماشین، به‌ویژه رویکردهای یادگیری عمیق، برای تعیین شدت بیماری بر اساس داده‌های دموگرافی، بالینی و آزمایشگاهی بود که با موفقیت محقق گردید.