Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 کمک هوش مصنوعی برای بیماران کرونایی: بررسی زمان ترخیص

کمک هوش مصنوعی برای بیماران کرونایی: بررسی زمان ترخیص

محققان دانشگاه نیویورک مدلی برای پیش‌بینی وضعیت بیماران کرونایی در کمتر از 4 روز ارائه داده‌اند. بر اساس سنجش‌های آزمایشگاهی، مشاهده علائم و متغیرهای مربوط به حمایت اکسیژنی، این مدل که به ادعای محققان 90% دقت دارد، به پزشکان کلینیک کمک می‌کند تا بیمارانی را که می‌توانند بدون خطر مرخص شوند، شناسایی کنند و بدین ترتیب تشخیص زمان ترخیص توسط هوش مصنوعی برای بیماران کرونایی محقق می‌شود.

در مقاله چاپ شده توسط محققان مدرسه دارویی گراسمن و موسسه علوم ریاضی کورنت دانشگاه نیویورک آمده:«مرخص کردن بیماران در شرایطی که خطری برایشان نداشته باشد به منظور خالی کردن تخت‌‎ها برای بیماران جدید قرار است فرایندی باشد که نیاز به افزایش نیروی انسانی و ایجاد ساختار جدید نداشته باشد. با توجه به ابهاماتی که درباره ویروس کرونا وجود دارد و شرایطی که بیماران بعد از ابتلا به این بیماری خواهند داشت، پیش‌بینی دقیق می‌‎تواند به اتخاذ تصمیمات بالینی درست‌تر کمک کند».

هوش مصنوعی برای بیماران کرونایی

اهمیت موضوع

نیویورک یکی از اولین‌ ایالت‌‎هایی بود که در کشور آمریکا پاندمی را تجربه کرد و در ماه‌های می و آوریل با مشکلات زیادی برای مبارزه با بیماری کرونا مواجه شد. با وجود پشت‌سرگذاشتن موج اول اما هنوز آمار مبتلایان در کشور آمریکا در حال افزایش است. از طرفی مسئولان پیش‌بینی می‌کنند که در ماه‌‎های سردتر سال باید منتظر شیوع بیشتر این ویروس باشیم. با این تفاسیر محققان دانشگاه نیویورک درصدد استفاده از هوش مصنوعی برای مدیریت جمعیت بیمارستان‌ها هستند.

در ادامه این مقاله آمده:«در طول پاندمی کرونا، نیازهای کاربردی پزشکان به سرعت تغییر کرده است». در واقع در شرایط فعلی اقداماتی مانند مراجعه بیماران به تریاژ از اهمیت کمتری برخوردار شده است. محققان می‌گویند:«همان‌طور که تشخیص بدتر شدن حال بیمار اهمیت زیادی دارد، سیستم بهداشتی ما در حال بررسی یک مدل برای پیش‌بینی بدتر شدن حال بیماران هم هست. هرچند از آنجایی که تخت‌های بخش ICU مختص بیمارانی است که در شرایط خاص هستند و نیاز به مراقبت ویژه دارند، پیش‌بینی این موضوع که قرار است حال بیمارانی بدتر شود، تغییری در مدیریت فضای بیمارستان ایجاد نخواهد کرد و به هر حال این بیماران باید به ICU منتقل شوند».

این تحقیق با مطالعه بر روی 3345 نفر که از قبل در بیمارستان بستری و مرخص شدند و 474 نفر که در بیمارستان بستری هستند، با استفاده از یادگیری ماشین و سنجش‌های آزمایشگاهی، در کمتر از 4 روز از بستری شدن بیمار، پیش‌بینی می‌کند که بیمار می‌تواند بدون خطر مرخص شود یا نه.

در مقاله تیم تحقیقات آمده:«در صورت عدم وجود نشانه‌های نامطلوب، ما یک خروجی خاص تعریف خواهیم کرد. نتیجه‌گیری بر اساس تحقیق روی مواردی مانند میزان اکسیژن خون، تعداد افرادی که در بخش ICU بستری شدند، مرگ و میرها و کسانی که 96 ساعت بعد از بستری دوباره به بیمارستان مراجعه کردند، حاصل می‌شود».

در آزمایشات صورت گرفته 45% افراد سفیدپوست و 61% آن‌ها مرد و میانگین سنی 63.5 سال بوده است. ابزار پیش‌بینی محققان دانشگاه نیویورک در ماه می به برخی بیمارستان‌ها ارائه شد و نتایج اولیه نشان می‌دهد پیش‌بینی‌ها توانسته نظر پزشکان را به خود جلب کند.

مهم‌تر از آن

محققان در دوران پاندمی کرونا تکیه بر تکنولوژی هوش مصنوعی‌ای دارند که معمولا از آن به عنوان مکمل آنالیزهایشان استفاده می‌کنند تا نیازهایی مانند تجهیزات مراقبتی شخصی یا در دسترس بودن تخت‌های ICU را پیش‎بینی کنند.

در واقع هوش مصنوعی برای بیماران کرونایی دستاوردی دیگر هم داشته است. برای مثال در بخش رادیولوژی که نگرانی‌های زیادی درباره‌اش وجود داشته است. چندی پیش محققان دانشگاه مینسوتا، در همکاری با اپیک ابزاری ساختند که می‌تواند ویروس کرونا در ریه‌ها را با استفاده از اشعه X-ray شناسایی کند.

در نهایت

در مقاله محققان دانشگاه نیویورک آمده:«با تشخیص دقیق بیمارانی که کم‌خطر به حساب می‎آیند و علائم نامطلوب ندارند، این سیستم می‌تواند به پزشکان در اولویت‌بندی بیماران برای مرخص شدن یا حتی درجه بندی میزان نیاز به رسیدگی، کمک کند. در واقع بررسی سوابق نوشته شده بیماران برای پیش‌بینی وضعیتشان و تصمیم‌گیری درباره مرخص کردن آن‌ها نمی‌تواند به اندازه استفاده از این مدل تاثیرگذار باشد».

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید.

مقاله ما چطور بود؟

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.