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
 پیش‌بینی نیاز بیماران کرونایی به ونتیلاتور از طریق هوش مصنوعی

پیش‌بینی نیاز بیماران کرونایی به ونتیلاتور از طریق هوش مصنوعی

پژوهشگران دانشگاه کیس وسترن رزرو وسیله‌ای آنلاین اختراع کرده‌اند که به کادر درمان کمک می‌کند، تا سریعاً تشخیص دهند کدام یک از بیماران کرونایی برای تنفس به ونتیلاتور نیاز پیدا خواهند کرد. این وسیله که از طریق تحلیل سی‌تی‌اسکن ریه نزدیک به 900 بیمار کرونایی در سال 2020، ساخته شده است، توانسته نیاز به ونتیلاتور را با ضریب دقت 84 درصد، پیش‌بینی کند.

انانت مادابهوشی، استاد مؤسسه مهندسی زیست‌پزشکی دانلِ دانشگاه کیس وسترن ریزرو و سرپرست مرکز تصویربرداری کامپیوتری و تشخیص‌های شخصی بیان کرد: «چون پزشکان برای مراقبت از بیمار و اطلاع بیمار و خانواده ایشان برنامه‌ریزی می‌کنند، این وسیله می‌تواند اهمیت زیادی برایشان داشته باشد. همچنین این وسیله برای بیمارستان‌ها نیز مهم است، زیرا باید تعداد ونتیلاتورهای مورد نیازشان را مشخص کنند.»

وی در ادامه ابراز امیدواری کرد که با تکیه بر نتایج این پژوهش بتوانند این ابزار محاسباتی را بر روی بیماران مبتلا به کووید-19 در بیمارستان‌های آزمایشگاه و مرکز پزشکی VA لوئیس استوکس کلیولند امتحان کنند. اگر آزمایش‌ها موفقیت‌آمیز باشند، کادر درمان دو بیمارستان می‌توانند تصویر دیجیتالی اسکن سینه را بر روی یک نرم‌افزار ابری بارگذاری کنند. بر این اساس، هوش مصنوعی کیس وسترن رزرو آن را تجزیه و تحلیل کرده است و نیاز احتمالی بیمار به ونتیلاتور را پیش‌بینی می‌کند.

نیاز مبرم به ونتیلاتور

یکی از علائم رایج در بیماران وخیم کرونایی، نیاز بیمار به ونتیلاتور است. اما از شروع همه‌گیری، تعداد ونتیلاتورهای مورد نیاز برای چنین بیمارانی، بسیار بیشتر از منابع موجود بود؛ تا حدی که بیمارستان‌ها شروع به «تقسیم» ونتیلاتورها کردند، یعنی ونتیلاتورها را به بیش از یک بیمار متصل کردند.
درحالی‌که با افزایش واکسیناسیون در سال 2021، نرخ بستری و به‌تبع آن، نیاز به ونتیلاتور به‌شدت کاهش پیدا کرد، ظهور سویه دلتا دوباره موجب کمبود دستگاه در بعضی مناطق ایالات متحده و دیگر کشورها شد.

مادابهوشی گفت: «حال این تصمیم ناخوشایند پیش روی بیمارستان‌ها قرار دارد که اولویت با چه کسی است، تا بیشترین کمک را در برابر این بیماری تهاجمی دریافت کند.»

تا به امروز پزشکان روش ثابت و قابل‌اعتمادی نداشته‌اند که از طریق آن تعیین کنند کدام بیمار کرونایی تازه‌پذیرش‌شده با احتمال بیشتری به ونتیلاتور نیاز خواهد داشت؛ اطلاعاتی که می‌تواند برای بیمارستان‌ها به منظور مدیریت منابع محدود بسیار ارزشمند باشد.

[irp posts=”20359″]

پژوهشگرانِ آزمایشگاه مادابهوشی با ارزیابی اسکن‌های اولیه تهیه‌شده در سال 2020، از نزدیک به 900 بیمار در آمریکا و ووهان چین که جزو اولین موارد شناسایی‌شده ویروس کرونای جدید بودند، تلاش کردند که چنین ابزاری را ارائه دهند.

مادابهوشی اظهار داشت که این سی‌تی‌اسکن‌ها به کمک کامپیوترهای یادگیری عمیق یا هوش مصنوعی، ویژگی‌های متمایز بیمارانی را که در بخش مراقبت‌های ویژه (ICU) بستری شده و برای تنفس نیاز به کمک داشته‌اند، شناسایی کردند.

آموق هیرما دانشجوی تحصیلات تکمیلی در آزمایشگاه مادابهوشی گفت: «الگوهای موجود در سی‌تی‌اسکن با چشم غیرمسلح دیده نمی‌شوند و فقط با استفاده از کامپیوتر، آشکار شدند. این وسیله به کادر درمان امکان می‌دهد زودتر داروها یا مداخله‌های حمایتی را شروع کنند، تا سرعت پیشرفت بیماری کند شود و همچنین امکان تشخیص زودهنگام افرادی را که در معرض خطر سندروم زجر تنفسی حاد یا مرگ هستند، فراهم می‌کند. این بیماران اولویت استفاده از ونتیلاتور را دارند.

پژوهش بیشتر درباره معماری ایمنی

آزمایشگاه مادابهوشی به تازگی مقاله‌ای منتشر کرده که در آن اسکن بافت‌های کالبدشکافی‌شده از بیمارانی که در اثر ابتلا به ویروس H1N1 (آنفولانزای خوکی) و کووید-19 فوت کرده‌اند، با هم مقایسه شده است. با اینکه نتایج، ابتدایی هستند، اما به نظر می‌رسد که اطلاعاتی راجع به آنچه مادابهوشی «معماری ایمنی» بدن انسان در واکنش به ویروس‌ها نامیده، به دست می‌دهد. او می‌گوید: «این موضوع از این نظر مهم است که کامپیوتر اطلاعاتی به ما داده است که فهم ما را از مکانیسم‌های بدن انسان در تقابل با ویروس، افزایش می‌دهد. به عنوان مثال، این امر در ساخت واکسن نقش ایفا می‌کند.»

[irp posts=”21009″]

خرمان کوردور پرادا دستیار پژوهشی در آزمایشگاه مادابهوشی که نویسنده اولیه مقاله بود، بیان کرد: «بینایی کامپیوتر و تکنیک‌های هوش مصنوعی به دانشمندان امکان دادند که چگونگی سازمان‌بندی سلول‌های ایمنی در بافت شش‌های بیماران را مطالعه کنند. این امر اطلاعاتی را برای ما فراهم کرد که با معاینه چشمی ساده نمونه‌ها، مشخص نبودند. به نظر می‌رسد که الگوهای مرتبط با کووید-19 متفاوت از دیگر بیماری‌های ویروسی قابل‌قیاس مانند H1N1 است. در نهایت، این کشف به همراه دیگر کارهای بالینی و آزمایش‌های بیشتر بر روی بیماران بیشتر می‌تواند باعث ارتقای فهم جهانی از این بیماری‌ها و شاید بیماری‌های دیگر شود.»

مادابهوشی CCIPD را سال 2012 در کیس وسترن ریزرو تأسیس کرد. این آزمایشگاه اکنون بیش از 60 پژوهشگر دارد که بعضی از آنان از جمله هیرما، پرانجال وایدیا ، کوردور، پائولا تورو ، چنگ لو و مهدی علیلو در این پژوهش جدید پیرامون کووید-19 همکاری داشته‌اند.

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

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.