با همكاری دانشمند ایرانی صورت گرفت
پیش بینی نارسایی حاد كلیه با كمك یادگیری ماشینی
تعمیركار: پژوهشگران آمریكایی با همكاری ˮهومن رشیدیˮ دانشمند ایرانی، یك مدل یادگیری ماشینی ابداع نموده اند كه می تواند نارسایی حاد كلیه را با سرعت و دقت بیشتری پیش بینی نماید.
به گزارش تعمیركار به نقل از ایسنا و به نقل از مدیكال اكسپرس، خیلی از قربانیان سوختگی، از "نارسایی حاد كلیه"(AKI) رنج می برند اما تشخیص زودهنگام این مشكل، به یك چالش بزرگ تبدیل گشته است. پژوهشگران "مركز پزشكی یوسی دیویس" (UC Davis Health) آمریكا با همكاری"هومن رشیدی"(Hooman Rashidi)، استاد بخش لطمه شناسی این مؤسسه، مدل جدیدی از یادگیری ماشینی مبتنی بر هوش مصنوعی ابداع نموده اند كه می تواند نارسایی حاد كلیه را با دقت و سرعت بالایی پیش بینی نماید.
"تینا پالمیری"(Tina Palmieri)، استاد مركز پزشكی یوسی دیویس اظهار داشت: توانایی پیش بینی نارسایی حاد كلیه در بیماران مبتلا به سوختگی با استفاده از هوش مصنوعی، كار قابل توجهی برای مراكز درمان سوختگی به حساب می آید برای اینكه اگر بتوانیم امكان ابتلاء به نارسایی حاد كلیه را در بیماران پیش بینی نماییم، می توانیم راه های درمان آنرا نیز ارائه دهیم.
نارسایی حاد كلیه چیست؟
نارسایی حاد كلیه، یك عارضه ناگهانی و خطرناك در كلیه است كه می تواند به كاهش شدید حجم ادرار منجر شود. این مشكل معمولاً در اولین هفته بعد از سوختگی شدید به خصوص در اولین ۲۴ ساعت بحرانی رخ می دهد. ابتلاء به نارسایی حاد كلیه بعد از سوختگی شدید، یك عارضه متداول می باشد كه در ۳۰ درصد قربانیان سوختگی پیش می آید و تا ۸۰ درصد آنها را به كام مرگ می كشاند.
تشخیص دقیق نارسایی حاد كلیه
پزشكان معمولاً برای تشخیص نارسایی حاد كلیه، بر بررسی نشانگرهای زیستی قدیمی مانند میزان كراتینین خون و ادرار تكیه می كنند اما این موارد، نشانگرهای ضعیفی برای تشخیص دقیق نارسایی حاد كلیه هستند.
"نام تران"(Nam Tran)، استادیار بخش لطمه شناسی مركز پزشكی یوسی دیویس اظهار داشت: ما برای اولین بار موفق شدیم به نقش یك نشانگر زیستی جدید موسوم به "NGAL" پی ببریم كه می تواند به تشخیص زودهنگام نارسایی حاد كلیه در بیماران مبتلا به سوختگی شدید كمك نماید.
NGAL به رغم قدرت تشخیصی بالا، در دسترس نیست و بررسی آن، به پزشكان و متخصصان آزمایشگاهی باتجربه نیاز دارد. این پژوهش، چالش جدیدی است كه می تواند به پیشرفت هوش مصنوعی و یادگیری ماشینی كمك نماید تا به كار گرفتن آنها جهت بررسی NGAL ساده تر باشد.
افزایش دقت تشخیص با هوش مصنوعی
گاهی اوقات، یادگیری ماشینی مبتنی بر هوش مصنوعی، الگوریتم های پیچیده تری را به همراه دارد كه بهتر از الگوریتم های قدیمی عمل می كنند اما همیشه هم این گونه نیست.
رشیدی در این زمینه اظهار داشت: ما یك مدل یادگیری ماشینی قوی ابداع كرده ایم كه می تواند نارسایی حاد كلیه را با دقت بالا و در مدت كوتاه تری پیش بینی نماید. این مدل می تواند بر طبق داده های به دست آمده، زمان تشخیص را كم كند.
پژوهشگران، این مدل یادگیری ماشینی را با داده های بالینی به دست آمده از ۵۰ بیمار بزرگسال مبتلا به سوختگی آموزش دادند. مدل یادگیری ماشینی بعد از آموزش توانست نارسایی حاد كلیه را با دقت بین ۸۰ تا ۱۰۰ درصد و سرعت بالا تشخیص دهد. میانگین زمان تشخیص با نشانگرهای زیستی قدیمی، ۴۲.۷ ساعت و با كمك الگوریتم یادگیری ماشینی، تنها ۱۸.۸ ساعت بود.
تران اضافه كرد: بررسی ما نشان داده است كه این مدل یادگیری ماشینی می تواند برای پیش بینی نارسایی حاد كلیه در قربانیان سوختگی، كارآمد باشد.
كاربردهای مدل یادگیری ماشینی
پیش بینی با كمك این مدل جدید می تواند كاربردهای بسیاری در حوزه های گوناگون همچون حوزه نظامی داشته باشد. از آنجائیكه امكان دارد نیروهای نظامی، به بیمارستان هایی با امكانات كم فرستاده شوند، امكان پیش بینی نارسایی حاد كلیه بسادگی امكان پذیر نیست. این مدل یادگیری ماشینی می تواند بیماران مبتلا به این مشكل را به سرعت شناسایی كند تا زودتر به مراكز درمانی فرستاده شوند.
رشیدی اضافه كرد: ما باور داریم كه می توان این پلت فرم یادگیری ماشینی را برای مواردی به جز تشخیص نارسایی حاد كلیه به كار گرفت تا روش های گوناگونی برای مراقبت از بیماران در حوزه پزشكی ارائه شود.
منبع: تعمیركار
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب