اخبار ستون
صاحبخبر - ابداع نشانگر دیجیتال برای تشخیص بیماری عروق کرونر قلب محققان با استفاده از یادگیری ماشینی و دادههای بالینی از سوابق پزشکی الکترونیک، یک نشانگر برگرفته از رایانه (computer-derived) برای بیماری عروق کرونر (CAD) قلب به منظور اندازهگیری بهتر بالینی مشخصات مهم این بیماری ساختهاند. به گزارش «مدیکال پرس»، این یافته ها که ۲۰ دسامبر به صورت آنلاین در نشریه The Lancet منتشر شد، میتواند به تشخیص هدفمندتر و مدیریت بهتر بیماری عروق کرونر بینجامد. بیماری عروق کرونر شایع ترین نوع بیماری قلبی و عامل اصلی مرگ و میر در سراسر جهان محسوب میشود. مطالعه دانشکده پزشکی «ایکان» در «مونت سینای» نیویورک اولین تحقیق شناخته شده برای ترسیم مشخصههای بیماری عروق کرونر روی یک طیف است. مطالعات قبلی فقط روی این موضوع متمرکز بود که آیا بیمار مبتلا به بیماری عروق کرونر است یا خیر. بیماری عروق کرونر و سایر مشکلات رایج در طیفی از بیماری وجود دارد. ترکیب عوامل خطر و فرآیندهای بیماری برای هر فرد تعیین می کند که آن شخص در کجای طیف قرار می گیرد. با این حال، اکثر مطالعات این طیف بیماری را به کلاس (طبقهبندی) سفت و سخت از مورد (بیمار بیماری دارد) یا کنترل (بیمار بیماری ندارد) تقسیم می کنند که این امر به گفته محققان ممکن است به تشخیصهای نادرست، مدیریت نامناسب و نتایج بالینی ضعیفتر منجر شود. دکتر «ران دو» نویسنده ارشد این مطالعه میگوید: «اطلاعات بهدستآمده از این مرحلهبندی غیرتهاجمی بیماری میتواند با ارزیابی دقیقتر وضعیت بیمار قدرت پزشکان را افزایش دهد و امکان ایجاد طرحهای درمانی هدفمندتری را فراهم سازد.» وی افزود: «مدل مورد استفاده ما جمعیت بیماران مبتلا به بیماری عروق کرونر را در یک طیف بیماری مشخص (یا ترسیم) میکند که می تواند شناخت بیشتری در مورد پیشرفت بیماری و نحوه پاسخ افراد مبتلا به درمان ارائه دهد.» این مدل که محققان نام آن را «نشانگر دیجیتال» گذاشته اند، صدها ویژگی بالینی مختلف را از پرونده سلامت الکترونیکی شامل علایم حیاتی، نتایج آزمایشهای آزمایشگاهی، داروها، علایم و تشخیصها وارد کرده و آن را با یک امتیاز بالینی موجود برای بیماری عروق کرونر و نیز یک امتیاز ژنتیکی برای این بیماری مقایسه کرد. محققان دریافتند که احتمالات ارائه شده توسط این مدل به دقت میزان باریک شدن عروق کرونر (تنگی عروق کرونر)، میزان مرگ و میر و عوارضی مانند حمله قلبی را ردیابی می کند. این محققان در مرحله بعد در نظر دارند یک مطالعه در مقیاس بزرگ آیندهنگر را برای تایید بیشتر کاربرد بالینی و قابلیت عمل این نشانگر دیجیتال را به انجام برسانند. آنها همچنین قصد دارند نسخه قابل حمل تری از این مدل را مورد ارزیابی قرار دهند که در سرتاسر جهان و در نظامهای سلامت مختلف قابل کاربرد باشد. هوش مصنوعی چگونه میتواند به تشخیص علائم اولیه آلزایمر کمک کند دانشمندان دانشگاه درکسل در تازهترین تحقیقات خود، به مطالعه توانایی هوش مصنوعی در تشخیص علائم بیماری آلزایمر پرداختند. به نقل از مدیکال اکسپرس، الگوریتمهای هوش مصنوعی پشت برنامه ربات چت ChatGPT که به دلیل توانایی آن در ایجاد پاسخهای نوشتاری انسانمانند به برخی از خلاقانهترین پرسشها توجهها را به خود جلب کرده، ممکن است روزی بتواند به پزشکان در تشخیص بیماری آلزایمر در مراحل اولیه آن کمک کند. تحقیقات دانشکده مهندسی زیست پزشکی، علوم و سیستمهای سلامت دانشگاه درکسل اخیراً نشان داده است که برنامه GPT-3 OpenAI میتواند سرنخهایی را از گفتار خود به خود شناسایی کند که در پیشبینی مراحل اولیه زوال عقل ۸۰ درصد دقیق هستند. تحقیقات نشان میدهد که اختلال زبان میتواند نشانه اولیه اختلالات عصبی باشد. روش فعلی برای تشخیص بیماری آلزایمر معمولاً شامل بررسی تاریخچه پزشکی و مجموعهای طولانی از ارزیابیها و آزمایشهای فیزیکی و عصبی است. در حالی که هنوز هیچ درمانی برای این بیماری وجود ندارد، تشخیص زودهنگام آن میتواند گزینههای بیشتری برای درمان و حمایت به بیماران دهد. از آنجایی که اختلال زبان در ۶۰ تا ۸۰ درصد از بیماران مبتلا به زوال عقل یک علامت است، محققان بر برنامههایی تمرکز کردهاند که میتوانند سرنخهای ظریفی مانند تردید، اشتباهات دستوری و تلفظی و فراموش کردن معنای کلمات را بهعنوان یک آزمون سریع دریافت کنند. دکتر هوالو لیانگ، استاد دانشکده مهندسی زیست پزشکی، علوم و سیستمهای سلامت درکسل و یکی از محققان این مقاله میگوید: «ما از تحقیقات در حال انجام دریافتیم اثرات شناختی بیماری آلزایمر میتواند خود را در تولید زبان نشان دهد. متداولترین تستهای مورد استفاده برای تشخیص زودهنگام نگاه آلزایمر به ویژگیهای آکوستیک مانند مکث، بیان و کیفیت صدا، علاوه بر تستهای شناختی است اما ما معتقدیم که بهبود برنامههای پردازش زبان طبیعی، مسیر دیگری را برای پشتیبانی از شناسایی زودهنگام فراهم میکند». 3 GPT-که به طور رسمی سومین نسل از ترانسفورماتور پیشآموزشی عمومی OpenAI (GPT) است، از یک الگوریتم یادگیری عمیق استفاده میکند که با پردازش بخشهای وسیعی از اطلاعات از اینترنت، با تمرکز ویژه بر نحوه استفاده از کلمات و نحوه ساخت زبان آموزش داده شده است. این آموزش به آن اجازه میدهد تا پاسخی شبیه انسان به هر کاری که شامل زبان است، از پاسخ به سوالات ساده، تا نوشتن شعر یا مقاله، تولید کند. 3 GPT-به ویژه در «یادگیری دادههای صفر» خوب عمل میکند؛ به این معنی که میتواند به سوالاتی پاسخ دهد که معمولاً به دانش خارجی نیاز دارند، به عنوان مثال درخواست از برنامه برای نوشتن یادداشتهای کلیف یک متن معمولاً نیاز به توضیح دارد؛ اما 3 GPT-برای درک مرجع و تطبیق خود با ایجاد پاسخ مورد انتظار، آموزش کافی را پشت سر گذاشته است. فلیکس آگباور، یکی از محققان اصلی این مطالعه میگوید: «رویکرد سیستمی 3 GPT-به تجزیه و تحلیل و تولید زبان، آن را به نامزدی امیدوارکننده برای شناسایی ویژگیهای گفتاری ظریفی که ممکن است شروع زوال عقل را پیشبینی کند، تبدیل میکند. آموزش 3 GPT-با مجموعه داده عظیمی از مصاحبهها که برخی از آنها با بیماران آلزایمر هستند، اطلاعات مورد نیاز برای استخراج الگوهای گفتاری را در اختیار آن قرار میدهد که میتواند از آنها برای شناسایی نشانگرها در بیماران آینده استفاده کرد.∎
نظر شما