حوزه سلامت الکترونیک:
عملکرد مغز نوزادان نارس توسط ابزار مبتنی بر هوش مصنوعی بررسی میشود
سلامت الکترونیک بهعنوان یک زمینه نوظهور این بار درزمینه پزشکی راهکاری دیگر ارایه کرده، تا با استفاده از هوش مصنوعی بلوغ عملکرد مغز نوزادان نارس ارزیابی شود.
سلامت الکترونیک(e-Health) بهعنوان یک زمینه نوظهور این بار درزمینه پزشکی راهکاری دیگری ارایه کرده، تا با استفاده از هوش مصنوعی بلوغ عملکرد مغز نوزادان نارس ارزیابی شود.
به گزارش ستاد توسعه فناوری اطلاعات، ارتباطات و فضای مجازی، سلامت الکترونیکى یک زمینه جدید و روبه رشد از تلاقى اطلاعرسانی پزشکى، سلامت عمومى و مبادلات تجارى است، که این بار در این بخش محققان دانشگاه هلسینکی و بیمارستان دانشگاه هلسینکی(HUH) موفق شدند با استفاده از نرمافزارهای مبتنی بر یادگیری ماشینی بهطور مستقل سیگنالهایEEG را از یک نوزاد نارس دریافت و تخمینی از بلوغ عملکرد مغز را تولید کنند.
این روش اولین سیستم ارزیابی بلوغ مغز مبتنی برEEG در جهان است که در مجله گزارشهای علمی منتشرشده و این روش دقیقتر از سایر روشهای شناختهشده است که در حال حاضر برای ارزیابی رشد مغز نوزاد است و همچنین امکان نظارت اتوماتیک و عینی برای رشد مغز نوزاد نارس را فراهم میکند.
بر اساس این گزارش، اواخر ماههای بارداری برای رشد جنین مغز حیاتی است، و از هر ده مورد تولد یکی از آنها زودرس بوده و حدود نیمی از بیماران در بخش مراقبتهای ویژه نوزادان، به دلیلش تولد زودرس نوزاد است. در این مرحله رشد مغزی برای جنین بسیار سریع است، فعالیت الکتریکی مغز تقریباً هر هفته تغییر میکند و همچنین برای عملکرد درست مغز باید جمجمه نوزاد بهدرستی گسترش یابد.
استفاده از هوش مصنوعی در جهت کمک به نوزادان نارس
نرمافزار تجزیهوتحلیل جدیدEEG در ابتدا توسط ناتان استیون سون(Nathan Stevenson)، مهندس استرالیایی، در گروه تحقیقاتی پروفسورسمپا واناتالو(Sampsa Vanhatalo) توسعه یافت. نمونههای این تحقیق از یک مجموعه فوقالعاده گسترده و کنترلشده از دادههای اندازهگیری شده توسط روشEEG از نوزادان نارس، که در گروه تحقیقاتی پروفسور کاترین کلبراماس(Katrin Klebermass) در دانشگاه پزشکی وین جمعآوریشده بود استفاده شد و این نرمافزار تجزیهوتحلیل مبتنی بر یادگیری ماشین کار میکند.
مقدار زیادی از دادههایEEG در نوزادان نارس به رایانه منتقل شد و نرمافزار صدها ویژگی محاسباتی را از هراندازه گیری با کمک یک الگوریتم ماشین بردار پشتیبانی(support vector machine algorithm) بدون مداخله از پزشک محاسبه کرد ،آ ین ویژگیها برای ایجاد برآورد قابلاعتماد از سن بلوغEEG نوزاد ترکیبشده بودند.
در پایان آزمایشها، با مقایسه سن بلوغEEG برآورد شده توسط نرمافزار بامطالعه سن واقعی نوزاد با روشهای شناختهشده بالینی نرمافزار مورد آزمایش قرار گرفت. در بیش از 80٪ موارد، سن واقعی نوزاد و سن تخمینی تولیدشده توسط کامپیوتر نسبت دوهفتهای از یکدیگر را نشان دادند. برآوردها بسیار قابلاعتماد بود و دقیقاً مشخص است که در هر یک از 39 نوزاد نابالغ در مطالعه، توسعه عملکردی مغز آنها را میتواند هنگام اندازهگیری هرچند هفته بار توسط این روس تکرار و ردیابی شود.
پایان پیام
ارسال به دوستان