ابزار هوش مصنوعی می تواند به پزشکان کمک کند تا مداخله موثرتری را برای COVID-19 انجام دهند – ScienceDaily


از آنجا که جوامع در سراسر کشور موجی از عفونت های COVID-19 را تجربه می کنند ، پزشکان به ابزارهای موثری نیاز دارند که به آنها امکان می دهد با تهاجم و دقت هر بیمار را بر اساس ارائه بیماری خاص خود ، سابقه سلامتی و خطرات پزشکی درمان کنند.

در مطالعه ای که اخیراً بصورت آنلاین در تجزیه و تحلیل تصاویر پزشکی، تیمی از مهندسان نشان دادند که چگونه یک الگوریتم جدید که آنها با موفقیت توسعه داده اند پیش بینی می کند که آیا بیمار مبتلا به COVID-19 به مداخله در بخش مراقبت های ویژه نیاز دارد. این روش ، مبتنی بر هوش مصنوعی ، می تواند ابزاری ارزشمند برای تعیین دوره مناسب درمان برای بیماران منفرد باشد.

تیم تحقیقاتی به سرپرستی پینگ کون یانگ ، استادیار مهندسی پزشکی در انستیتوی پلی تکنیک Rensselaer ، این روش را با ترکیب تصاویر توموگرافی رایانه قفسه سینه (CT) که شدت عفونت ریه بیمار را با داده های غیر گرافیکی مانند داده های جمعیتی ارزیابی می کند ، توسعه دادند. ، علائم حیاتی و نتایج آزمایش خون آزمایشگاهی. با ترکیب این نقاط داده ، الگوریتم قادر است نتایج را برای بیمار پیش بینی کند ، به ویژه اینکه آیا بیمار به مداخله بخش مراقبت های ویژه نیاز دارد یا خیر.

این الگوریتم بر روی مجموعه داده های جمع آوری شده از مجموع 295 بیمار از سه بیمارستان مختلف آزمایش شد – یکی در ایالات متحده ، دیگری در ایران و دیگری در ایتالیا. محققان توانستند پیش بینی های الگوریتم را با نوع درمان بیمار در نهایت مقایسه کنند.

ایان ، عضو مرکز تحقیقات بیوتکنولوژی و تحقیقات بین رشته ای (CBIS) در رنسلر ، گفت: “من به عنوان یک متخصص هوش مصنوعی ، به قدرت آن اعتقاد دارم.” “این واقعاً به ما امکان می دهد داده های زیادی را تجزیه و تحلیل کنیم و همچنین عملکردهایی را که ممکن است برای چشم انسان چندان واضح نباشد استخراج کنیم.”

این پیشرفت نتیجه مطالعه ای است که توسط کمک مالی اخیر موسسه ملی بهداشت حمایت شده است و برای ارائه راهکارهایی در طی این همه گیر جهانی ارائه شده است. یانگ گفت که تیم همچنان به کار خود ادامه می دهد ، محققان الگوریتم جدید خود را با الگوریتم جدیدی که یانگ قبلا برای ارزیابی خطر ابتلا به بیماری های قلبی عروقی بیمار با استفاده از سی تی اسکن قفسه سینه ساخته است ، ادغام می کنند.

ایان گفت: “ما می دانیم كه یك عامل اصلی در مرگ و میر ناشی از COVID این است كه آیا بیمار دارای بیماری های زمینه ای است یا خیر و یا بیماری قلبی از نظر ابتلا قابل توجه است.” “تا چه حد این امر به پیشرفت بیماری آنها کمک می کند در حال حاضر کاملاً ذهنی است. بنابراین ، ما باید شرایط قلبی آنها را کمی کنیم و سپس تعیین کنیم که چگونه این موارد را در این پیش آگهی در نظر می گیریم.”

دیپاک واشیشیت ، مدیر CBIS گفت: “این کار مهم ، به رهبری پروفسور ایان ، یک راه حل موثر برای پزشکان بالینی که درگیر یک بیماری همه گیر جهانی هستند ، ارائه می دهد.” “این پروژه پتانسیل تخصص Rensselaer را در زمینه تصویربرداری زیستی همراه با مشارکت های مهم با موسسات پزشکی برجسته می کند.”

یانگ از جن وانگ ، استاد مهندسی پزشکی و عضو CBIS ، و همچنین دانشجویان تحصیلات تکمیلی Hanqing Chao ، Xi Fang و Jiajin Zhang به Rensselaer پیوست. تیم Rensselaer با همکاری بیمارستان عمومی ماساچوست کار می کند. یان گفت ، هنگامی که این کار به پایان رسید ، تیم امیدوار است که الگوریتم خود را به روشی تبدیل کند که پزشکان عمومی ماساچوست می توانند برای ارزیابی بیماران خود استفاده کنند.

ایان گفت: “در واقع ، ما می بینیم که این تأثیر می تواند فراتر از بیماری COVID باشد. به عنوان مثال ، بیماران مبتلا به سایر بیماری های ریوی.” “ارزیابی وضعیت بیماری قلبی آنها ، همراه با وضعیت ریه ، می تواند خطر مرگ و میر را بهتر پیش بینی کند ، بنابراین ما می توانیم به آنها در مدیریت وضعیت خود کمک کنیم.”

تاریخچه تاریخ:

مواد تهیه شده توسط موسسه پلی تکنیک Rensselaer. اصلی ، نوشته شده توسط توری ولز. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.


منبع: unbox-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>