طراحی سیستم پایش وضعیت قلبی و پیش‌بینی بلادرنگ ایست ناگهانی قلب
تاریخ انتشار: ۱۳ مرداد ۱۳۹۹ | کد خبر: ۲۸۸۴۵۴۳۲
پژوهشگران گروه مهندسی فناوری اطلاعات دانشگاه تربیت مدس با استفاده از الگوریتم‌های هوش مصنوعی یک مدل پیش‌آگهی ایست قلبی برای بیماران مبتلا به سپسیس ارائه کردند.
به گزارش ایسنا، ایست قلبی ناشی از سپسیس یک رویداد شایع با نرخ نجات پایین است. پیش‌بینی زود هنگام ایست قلبی زمان لازم برای انجام مداخلات ضروری جهت پیشگیری از وقوع ایست قلبی را فراهم می‌آورد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
دکتر سمانه لایقیان که این پژوهش در قالب رساله دکتری تخصصی وی در رشته مهندسی فناوری اطلاعات (سیستم‌های اطلاعاتی) انجام شد، با بیان این مقدمه گفت: از آنجا که پزشکان نمی‌توانند به طور مداوم خطر ایست قلبی برای همه بیماران تحت مراقبت را بررسی کنند، خودکارسازی جمع‌آوری و تحلیل داده‌های سلامت و اعلام هشدارهای لازم به بیمار و پزشک می‌تواند گام بزرگی در کاهش میزان مرگ و میر و هزینه‌ها باشد.
وی افزود: در این پژوهش با استفاده از الگوریتم‌های هوش مصنوعی به توسعه یک مدل پیش‌آگهی ایست قلبی برای بیماران مبتلا به سپسیس پرداختیم.
لایقیان تشریح کرد: در این راستا ۳۰ ساعت از داده‌های بالینی بیماران سپسیس از پایگاه داده MIMIC III استخراج شد (۷۹ مورد ایست قلبی، ۴۵۳۲ رکورد نرمال) و سه مجموعه داده چندمتغیره، سری زمانی و ترکیب چند متغیره و سری زمانی ایجاد شد مدل‌های یادگیری ماشین مختلف، با رویکردی سیستماتیک بر این سه مجموعه داده آموزش یافتند. نهایتاً استفاده از روش یادگیری عمیق نتایج بهتری تولید کرد.
وی در ادامه گفت: مدل پیشنهادی در بازه ۳۰ ساعت قبل از رخداد ایست قلبی، وقوع آن را با مقدار sensitivity بالاتر از ۷۰ درصد پیش‌بینی می‌کند. مقایسه خروجی این مدل با نتایج حاصل از دو سیستم هشداردهنده استاندارد Apache II و MEWS نشان داد مدل پیشنهادی بهبود قابل توجهی نسبت به سیستم‌های استاندارد موجود تولید می‌کند.
محقق طرح تصریح کرد: در این پژوهش تاثیر پویایی سری‌های زمانی علائم حیاتی، به عنوان یک عامل پیشگو برای پیش‌بینی ایست قلبی نیز با رویکردهای مختلف مورد آزمون قرار گرفت. تحلیل سری‌های زمانی برای پیش‌بینی ایست قلبی یک ساعت قبل از رخداد، مقدار sensitivity=77% را تولید کرد.
بر اساس اعلام وزارت علوم، وی خاطرنشان کرد: در گام بعد، به منظور هوشمندسازی عملیات جمع‌آوری و تحلیل داده‌ها، با استفاده از فناوری‌های نوین به طراحی نمایی سطح بالا از یک معماریIOT، برای نظارت زمان واقعی بر افراد بستری در بخش مراقبت‌های ویژه پرداختیم. این معماری، مدل پیش‌آگهی هوشمند پیشنهادی را به عنوان بخشی از خدمات خود فراهم آورده و از فناوری مه به منظور تسریع عملیات پردازش بلادرنگ استفاده می‌کند.
انتهای پیام
منبع: ایسنا
کلیدواژه: ایست قلبی دانشگاه تربيت مدرس ایست قلبی پیش بینی مدل پیش
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.isna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۸۸۴۵۴۳۲ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ژن‌های افسردگی و بیماری قلبی کشف شد
به گزارش خبرگزاری مهر به نقل از اینترستینگ انجینرینگ، این اکتشاف می تواند نشانگرهای مشترک جدیدی برای افسردگی و بیماری های قلبی فراهم کند که به توسعه درمان هایی برای هر دو بیماری منجر شود.
هر دو بیماری مذکور مشکلاتی برای سلامت در جهان به حساب می آیند. طبق تخمین های اولیه ۲۸۰ میلیون نفر در سراسر جهان از افسردگی رنج می برند و از سوی دیگر ۶۲۰ میلیون نفر به بیماری های قلبی مبتلا هستند. برای مدت های طولانی تخمین زده می شد عوامل دخیل در سبک زندگی دلایل اصلی ارتباط میان این دو بیماری هستند. سبک زندگی مانند سیگار کشیدن، ورزش نکردن و تغذیه نامناسب دلیل اصلی هر دو بیماری تلقی می شدند.
مولفان پژوهش جدید یک ماژول ژنی را به عنوان گروهی از ژن ها تعریف کرده اند که الگوی بیان مشابهی در شرایط مختلف دارند و به همین دلیل از لحاظ عملکرد مرتبط هستند.
بینیشا میشرا محقق دانشگاه تامپر در فنلاند در این باره می گوید: ما پروفایل بیان ژنی در نمونه خون افراد مبتلا به افسردگی و بیماری های قلبی را رصد کردیم و ۲۵۶ ژن در یک ماژول ژنی یافتیم که بیان آنها در سطح بالاتر یا پایین تر از متوسط، افراد را در معرض خطر ابتلا به هر دو بیماری قرار می دهد.
این تحقیق براساس پژوهش جوانان فنلاندی(YFS) انجام شده که عوامل ریسک ابتلا به بیماری های قلبی از کودکی تا بزرگسالی را بررسی می کند. این تحقیق در سال ۱۹۸۰ میلادی با حضور ۳۵۹۶ کودک و نوجوان ۳تا۱۸ ساله آغاز شد. محققان الگوریتمی را به کار گرفتند و با استفاده از داده های جمع آوری شده ۲۲ ماژول ژنی از خوشه بندی سلسله مراتبی ماتریس عدم تشابه کشف کردند که حاوی ۱۴ تا ۱۰۳۶۷ ژن مرتبط بودند.
نتایج تحقیق نشان داد یک ماژول ژنی به نام darkred با ۲۵۶ ژن ارتباط زیادی با هر دو بیماری دارد. این تحقیق در ژورنالFrontiers of Psychiatry منتشر شده است.
کد خبر 6098098
رضا زرندی رییس کل دادگستری استان خراسان رضوی شد