منبع: fernandozhiminaicela/Pixabay

تحقیقات جدید دانشکده پزشکی هاروارد نشان می دهد که چگونه الگوریتم هوش مصنوعی (AI) ایجاد شده توسط Mass General Brigham می تواند به عنوان یک ابزار فنوتیپ دقیق برای کمک به شناسایی طولانی COVID یا PASC (عواقب پس از حاد COVID-19) در بیمارانی که از الکترونیک استفاده می کنند استفاده شود. داده های پرونده سلامت (EHR)

حسین استیری، نویسنده ارشد این مطالعه، دانشیار، می‌گوید: «روش فنوتیپ‌سازی PASC ارائه‌شده در این مطالعه دارای دقت فوق‌العاده‌ای است، شیوع PASC را بدون دست‌کم‌گرفتن آن به دقت اندازه‌گیری می‌کند، و سوگیری کمتری در شناسایی بیماران مبتلا به کووید طولانی نشان می‌دهد.» پزشکی در دانشکده پزشکی هاروارد و مدیر گروه هوش تقویت شده بالینی (CLAI) در ماساچوست بیمارستان عمومی (MGH)، به همراه همکاران پژوهشی خود.

بر اساس مطالعه ای که در آگوست 2024 در سال 2024 منتشر شد، در سراسر جهان، در سال 2023 حدود 409 میلیون نفر به PASC مبتلا بودند. طب طبیعت توسط اریک جی توپول، زیاد العلی و نویسندگان همکار آنها. طبق یک مطالعه، در ایالات متحده، حدود 6.9٪ از بزرگسالان و 1.3٪ از کودکان در سال 2022 به PASC مبتلا بودند. نظرسنجی ملی بهداشت مصاحبه توسط مرکز کنترل و پیشگیری از بیماری های ایالات متحده (CDC).

PASC یک حالت بیماری مزمن است که یک یا چند اندام را تحت تاثیر قرار می دهد که در آن علائم به مدت سه ماه یا بیشتر پس از عفونت با سندرم حاد تنفسی ویروس کرونا 2 (SARS-CoV-2)، ویروسی که باعث بیماری کروناویروس 2019 می شود، که بیشتر به عنوان شناخته می شود، ادامه می یابد. کووید 19.

بیماران مبتلا به کووید طولانی مدت ممکن است یک یا چند علامت مانند سرفه، خستگی مداوم، مشکلات چشایی یا بویایی، اختلال خواب، مشکلات تمرکز، تغییرات حافظه، سردردهای مکرر، تنگی نفس، سبکی سر، یبوست نفخ، اسهال و غیره داشته باشند. همچنین یک یا چند بیماری قابل تشخیص مانند اضطراب، اختلالات خلقی، اختلالات شناختی، میگرن، خون با توجه به مجله پزشکی نیوانگلند (NEJM).

پزشکی شخصی یا پزشکی دقیق، تنوع ژنتیکی، محیطی و شیوه زندگی فردی بیمار را برای پیشگیری و درمان بیماری ها در نظر می گیرد. این دقیقا برعکس رویکرد یک اندازه مناسب برای همه است. صفات قابل مشاهده یک فرد که فنوتیپ نامیده می شود، با ترکیبی از ترکیب ژنتیکی (ژنوتیپ) و عوامل محیطی تعیین می شود. به عنوان مثال، وزن یک صفت یا فنوتیپ قابل مشاهده است که ممکن است تحت تأثیر رژیم غذایی، ورزش و سایر عوامل قرار گیرد.

یکی از اهداف مطالعه فنوتیپ برای پزشکی دقیق، درک ناهنجاری های فنوتیپی مرتبط با یک بیماری خاص است تا پزشکان تشخیص و درمان بهتری را برای هر بیمار ارائه دهند. علاوه بر این، آگاهی از طیف کامل ناهنجاری های فنوتیپی مرتبط با یک بیماری ممکن است به مداخله زودهنگام و درمان برای نتایج بهتر کمک کند.

برای این مطالعه دانشکده پزشکی هاروارد، محققان از داده‌های سوابق الکترونیکی سلامت شناسایی نشده از بیش از 295000 بیمار از 20 مرکز بهداشتی اجتماعی و 14 بیمارستان در سیستم مراقبت بهداشتی یکپارچه Mass General Brigham در ماساچوست استفاده کردند.

ابزار فنوتیپ دقیق مبتنی بر هوش مصنوعی با مکانیزم توجه برای از بین بردن شرایط بیماری که می تواند با عوامل قبلی توضیح داده شود، توسعه یافته است.

محققان گزارش دادند: «در مقایسه با تکیه صرفاً بر روی کد تشخیصی U09.9 برای شناسایی بیماران مبتلا به کووید طولانی، روش ما از دقت بالایی برخوردار است، میزان شیوع PASC را بدون دست کم گرفتن طولانی مدت کووید به دقت اندازه‌گیری می‌کند، و سوگیری کمتری را در بین گروه‌های جمعیتی نشان می‌دهد.

محققان گزارش دادند که میزان دقت ابزار هوش مصنوعی آن‌ها 79.9 درصد از کد تشخیص طولانی طبقه‌بندی بین‌المللی بیماری‌های COVID-19 برای شرایط پس از COVID-19، نامشخص (ICD-10 code U09.9) 77.8 درصد بهتر بود. ابزار هوش مصنوعی فنوتیپ دقیق آنها همچنین یک گروه تحقیقاتی طولانی مدت کووید شامل 24000 بیمار را کشف کرد که چهار برابر بیشتر از کد تشخیص است.

این تحقیق نشان می‌دهد که چگونه یک ابزار هوش مصنوعی، همراه با داده‌های دنیای واقعی، می‌تواند به یافتن سیگنال‌ها و الگوهای معنادار در مقادیر عظیم داده‌های سلامت طولی پیچیده کمک کند. یادگیری عمیق هوش مصنوعی، تحقیقات نوآورانه میانی را قادر می سازد تا پزشکی دقیق و مراقبت های بهداشتی شخصی تر را تسریع بخشد.

حق چاپ © 2024 Cami Rosso. تمامی حقوق محفوظ است.