در قالب یك پایان نامه بررسی شد
پیشبینی عفونت در نوزادان با استفاده از یادگیری ماشینی
پژوهشگران دانشگاه علوم پزشکی تهران با انجام یک مدل سازی با استفاده از یادگیری ماشینی، عوامل موثر در بروز ˮسپسیسˮ در نوزادان را پیشبینی کردند.
به گزارش این با من به نقل از ایسنا، «سپسیس»؛ مهم ترین بیماری ۲۸ روز اول زندگی و از علل اصلی مرگ ومیر نوزادان در بخش مراقبت های ویژه است. این عفونت نوزادی بعنوان عفونت های بیمارستانی شناخته می شود. از آن جا که اغلب این عفونت ها به آنتی بیوتیک مقاوم هستند، می توانند عامل اصلی عدم پاسخ گویی بالینی به درمان و گسترش سریع بیمای سپسیس و بروز شوک سپتیک، نارسایی های مختلف و مرگ ومیر بیشتر در بیمارستان ها شوند.
«آسینتوباکتر» یکی از باکتری های فرصت طلب مهمی است که به صورت وسیعی در بیمارستان ها پراکنده شده و عامل اصلی عفونت های بیمارستانی است. چون به سرعت به گروه های اصلی آنتی بیوتیک مانند پنی سیلین، مقاوم می شود و درمان آن مشکل است.
با توجه به اهمیت تشخیص زودهنگام سپسیس نوزادی، پژوهشگران با انجام یک مطالعه سپسیس با عامل عفونی، آسینتوباکتر را در نوزادان بستری در بخش مراقبت های ویژه با استفاده از مدل سازی «یادگیری ماشینی»، بررسی کردند.
یادگیری ماشینی؛ یکی از شاخه های علوم کامپیوتر است که می تواند با استفاده از داده ها، آموزش ببیند و بر مبنای آن آموخته ها، داده های جدیدی را پیش بینی نماید. از این روش میتوان در پیشبینی، پیش آگهی و تشخیص بیماری ها، جراحی روباتیک، درمان شخصی سازی شده، کشف داروها و... استفاده نمود. این روش می تواند داده های بزرگی را که خارج از محدوده پردازشی انسان است، بررسی کند.
برای انجام این مطالعه، ابتدا با جستجو در پایگاه های اطلاعاتی، یافته های بالینی، یافته های آزمایشگاهی، گاز خون شریانی، علائم حیاتی، بیماری های همراه و رویه های تهاجمی سپسیس را جستجو کردند. بعد از استخراج این داده ها، لیستی شامل ۷۵ خصوصیت را جهت تایید در اختیار پنج نفر از استادان فوق تخصص نوزادان قرار دادند.
همچنین اطلاعات چهار هزار و ۱۹۶ نوزاد از آغاز سال ۱۳۹۵ تا شهریور ۱۳۹۹ از سامانه مرکز تحقیقات مادر، جنین و نوزاد بیمارستان ولیعصر تهران دریافت شد و عملیات پردازش بر روی آنها انجام گرفت.
بر اساس بررسی انجام شده بالاترین میزان اهمیت در پیشبینی سپسیس در ارتباط با «مدت زمان بستری در بخش مراقبت های ویژه» و کم ترین اهمیت در ارتباط با «کاتتر وریدی نافی» است.
در پژوهش های دیگر مواردی از قبیل سن حاملگی و علائم حیاتی، کشت خون مثبت، لاکتات، فشار خون سیستولیک، سن بارداری، وزن نوزاد هنگام تولد، تهویه مکانیکی، تغذیه کامل تزریقی و انتقال خون، بی حالی و تغذیه ضعیف، جنسیت نوزاد و... برای پیشبینی سپسیس در نوزادان استفاده شده است.
به گفته پژوهشگران این مطالعه استفاده از نمونه های آموزشی مختلف و انتخاب های پیچیده از خصوصیت های ترکیبی می تواند عملکرد این مدلها را بهبود بخشد. همینطور لازم است اثربخشی بالینی این مدلهای یادگیری در یک کارآزمایی بالینی تایید گردد.
در انجام این پژوهش، نیلوفر محمدزاده، زیبا مسیبی و محمد شجاعی نیا؛ محققان دانشگاه علوم پزشکی تهران، به همراه حمید بیگی پژوهشگر گروه هوش مصنوعی دانشگاه صنعتی شریف، مشارکت داشتند.
این کار حاصل رساله کارشناسی ارشد رشته انفورماتیک پزشکی دانشگاه علوم پزشکی تهران است و یافته های آن به صورت مقاله علمی با عنوان «پیش بینی سپسیس به علت عفونت آسینتوباکتری در نوزادان بستری در بخش مراقبت های ویژه نوزادان» در دو ماه نامه پیاورد سلامت؛ مجله دانشکده پیراپزشکی دانشگاه علوم پزشکی تهران، انتشار یافته است.
منبع: این با من
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب