میرنیوز
به گزارش ایسنا، همهگیری کووید-۱۹ بیش از ۱۰۰ میلیون نفر را در سراسر جهان آلوده کرده و سیستمهای اقتصادی و بهداشتی را به شدت تحت فشار قرار داده است.
به دلیل تعداد زیاد بیماران، پرسنل پزشکی خسته و محدود و منابع پزشکی ناکافی، شناسایی سریع بیماران مبتلا به کووید ۱۹ که در خطر مرگومیر بالا قرار دارند، بسیار مهم است تا بتوان میزان مرگومیر این بیماران را کاهش داد.
در این بیماران، تجویز داروهای مناسب بر اساس وضعیت بیمار و مراقبتهای ویژه و به موقع ضروری است. اما اغلب پزشکان قادر به پیشبینی دقیق وضعیت بیماران مبتلا به کووید ۱۹ نیستند.
به همین دلیل نیاز به یک سیستم دقیق و سریع برای پیشبینی مرگومیر این بیماران وجود دارد و مدلسازی آماری و روشهای یادگیری ماشین میتواند در تشخیص الگوهای پیچیده کمک کند.
یکی از روشها برای پیشبینی وضعیت بیماران مبتلا به کووید ۱۹، استفاده از تصاویر سیتی اسکن ریه بیماران است و با استفاده از هوش مصنوعی بر اساس شدت درگیری ریه، وضعیت بیماران پیشبینی میشود. ولی تصاویر سیتی اسکن در مراحل اولیه اطلاعات کافی برای پیشبینی وضعیت بیمار ندارند و همچنین اشعه ایکس دارای عوارض جانبی است.
بر همین اساس پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، یک سیستم جدید ارائه دادند که بر اساس آن با استفاده از اطلاعات جمعیتشناختی بیماران، علائم حیاتی و دادههای آزمایشگاهی خون، وضعیت بیماران مبتلا به کووید ۱۹ از نظر مرگ یا زنده ماندن پیشبینی شود.
در این مطالعه که بر روی ۲۴۴ بیمار در بیمارستان مسیح دانشوری انجام شد، اطلاعات مورد نیاز که معمولاً در روز اول مراجعه بیماران به بیمارستان جمعآوری میشود، مورد بررسی قرار گرفت.
برای پیشبینی نتایج مرگومیر، دو گروه نجاتیافته و مرگ تعریف شد. گروه نجاتیافته بیمارانی مبتلا به کووید ۱۹ بودند که پس از اتمام درمان مرخص شدند و دو نتیجه PCR منفی پیاپی داشتند. گروه مرگ نیز شامل بیمارانی بود که در هر مرحله از دوره درمان، فوت کرده بودند. در مجموع ۱۱۵ بیمار (حدود ۴۷ درصد) به عنوان مرگ و ۱۲۹ بیمار (حدود ۵۳ درصد) به عنوان نجاتیافته دستهبندی شدند.
دادههایی از قبیل اطلاعات جمعیتشناختی مانند سن و جنسیت، سابقه بیماری، علائم حیاتی و نتایج آزمایش خون شامل تستهای شمارش کامل خون، انعقاد، کلیه، کبد، گاز خون و ... در هشت گروه طبقه بندی شدند و مورد بررسی قرار گرفتند.
نتایج این بررسی نشان داد که در گروه ویژگیهای شمارش سلولهای خون مواردی مانند RDW (عرض توزیع گلبولهای قرمز)، MCH (میانگین هموگلوبین)، MCHC (میانگین غلظت هموگلوبین هر ذره) و MCV (میانگین حجم هر ذره) بیشترین توانایی پیشبینی را داشتند. همچنین Spo۲ یا فشار جزئی اکسیژن در علایم حیاتی دارای قدرت پیشبینی زیادی بود.
در این مطالعه عنوان شد که ترکیب ویژگیهای شمارش کامل سلولهای خونی، علائم حیاتی و گروههای انعقادی دارای بالاترین قدرت پیشبینی مرگومیر (بیش از ۹۶ درصد) است.
پژوهشگران این تحقیق میگویند که پزشکان میتوانند با استفاده از نتایج این تحقیق و بررسی این ویژگیها در بیماران، تصمیمات آسانتر و دقیقتری برای پیشبینی نتیجه مرگ و میر بیماران کووید ۱۹ اتخاذ کنند.
به گفته این محققان؛ در این مطالعه چندین محدودیت نیز وجود داشت. جمعیت بیماران مبتلا به کووید ۱۹ در این مطالعه به نسبت کم بود و نتایج باید با مطالعات با جمعیت بیشتر از اقوام مختلف تأیید شود. همچنین دادههای آزمایشگاهی نیاز به نمونهگیری خون به صورت تهاجمی دارد و بسیاری از مراکز بهداشتی کوچکتر به تجهیزات آزمایشگاهی دسترسی ندارند. در نهایت، بار زیاد بیمار و کمبود تجهیزات میتواند مانع از دسترس بودن و دقت آزمایش خون شود.
در انجام این تحقیق احمد شالباف، نسرین امینی، هادی چوبدار، مهدی مهدوی، عاطفه عابدینی و رضا لشکری؛ پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با یکدیگر مشارکت داشتند.
این مطالعه حاصل بخشی از طرح تحقیقاتی «پیشبینی میزان شدت بیماری کووید ۱۹ با استفاده از روشهای پیشرفته هوش مصنوعی» است که در سال ۱۴۰۰ با حمایت دانشکده پزشکی دانشگاه علوم پزشکی شهید بهشتی، اجرا شده ا ست.
یافتههای این مطالعه اسفندماه سال جاری، به صورت مقاله علمی با عنوان «پیشبینی زودهنگام خطر مرگومیر بیماران مبتلا به کووید ۱۹ بر اساس ویژگیهای دموگرافی، علائم حیاتی و آزمایشگاهی» در مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران منتشر شده است.
انتهای پیام
منبع : خبرگزاری ایسنا
اعضای شورای راهبری هوش مصنوعی معرفی شدند/ایجاد زیر ساخت هوش مصنوعی در دستور کار ۱۰ نهاد
آتشسوزی جنگلی موجب رشد حیات دریایی میشود!
استرس کاری ریسک بیماری قلبی را در مردان افزایش می دهد
۲.۵ میلیون ایرانی در اهدای خون مشارکت دارند
چین در شرق تهران بیمارستان هوشمند احداث می کند
راه اندازی ۶۰ هزار تخت بیمارستانی در کشور
وزارت بهداشت برای اولین بار سرایدار استخدام میکند
زمان اخذ رأی در انتخابات نظام پرستاری افزایش یافت
هوای آلوده و افزایش ریسک سرطان سینه/ درمان سوءهاضمه با زردچوبه
بیماری هزارچهره را جدی بگیریم/ عوارض بیماری سلیاک
اهمیت تولید محصولات غذایی فاقد گلوتن برای بیماران سلیاک
نشست چالشهای زنجیره تأمین دارو در ایران برگزار میشود
چگونه از ابتلا به سرماخوردگی جلوگیری کنیم
خرید اعتباری محصولات پتروشیمی به نفع صنعت دارو است
چه کسانی پرونده الکترونیک سلامت دارند
بررسی راهکارهای ورود ایران به بازار دارویی اوراسیا
جامعه پزشکی باید تخصص را همراه تعهد حرفهای داشته باشد
هفته دفاع مقدس فرصتی برای انتقال مفاهیم بهداری رزمی
نشست چالش های قیمت گذاری دارو برگزار میشود
دانش آموز بدون صبحانه مدرسه نرود/ میان وعدههای سالم
وزیر بهداشت زنگ دبیرستان شهید آوینی را نواخت
۱۰ هزار نیروی پرستاری در بخش درمان استخدام می شوند
بازدید سرزده عین اللهی از بیمارستان شفا یحیاییان
۲۲ بیمار کرونایی در یک هفته گذشته فوت شدند
داروی ایرانی از طریق صادرات به دنیا معرفی میشود
ایران دارای قویترین نظام سلامت در منطقه است
ادعای دخالت وزارت بهداشت در انتخابات نظام پرستاری رد شد
اورژانس تهران در هفته گذشته ۲۰ هزار مأموریت انجام داد
جهان امروز با کمبود آب و غذای سالم مواجه است
تایید موفقیت نخستین واکسن ایرانی کرونا