دکتر علیرضا طالب پور در گفتگو با خبرنگار مهر با اشاره به اقدامات مبتنی بر هوش مصنوعی مقابله با ویروس کرونا به سرپرستی کمیته پژوهشی کووید بیمارستان سینا دانشگاه علوم پزشکی تهران و با مشارکت پژوهشکده فضای مجازی دانشگاه شهید بهشتی گفت: با توجه به اهمیت موضوع تشخیص زودهنگام و دقیق بیماری کرونا که اساس موفقیت کشورهای پیشرو در مهار این ویروس بوده است، از ابتدای شیوع این ویروس در ایران، دو راهبرد اصلی تسهیل و تسریع در تشخیص و پیش بینی ابتلاء به کرونا و افزایش دقت تشخیص با بهره گیری از مزیت‌های هوش مصنوعی در این کمیته پژوهشی پیگیری شده است.
وی ادامه داد: در این راستا با تکیه بر سابقه موفق پژوهشکده فضای مجازی دانشگاه شهید بهشتی در حوزه مشابه و توانمندی موجود در حوزه پردازش تصاویر، پردازش صوت و یادگیری ماشینی و دریافت نظرات تخصصی و اطلاعات این بیماری از پژوهشگران بیمارستان سینا (دانشگاه علوم پcشکی تهران) پروژه‌های زیر تعریف شده و با همکاری همه جانبه آن بیمارستان در حال انجام است.
رئیس پژوهشکده فضای مجازی دانشگاه شهید بهشتی خاطرنشان کرد: پیش بینی و تشخیص با تصاویر CT قفسه سینه از قابلیت پیشگویی و حساسیت بالایی در تشخیص کرونا برخوردارند. بنابراین برای تشخیص زودهنگام کرونا بسیار مناسب هستند. هرچند در روش سنتی، تشخیص با بررسی حجم بالایی از اطلاعات تصویری توسط عامل انسانی انجام می‌گیرد که از نظر سرعت و یکنواختی تشخیص بهینه نیست.
وی ادامه داد: همچنین برخی دیگر از بیماری‌های تنفسی علائمی مشابه با کرونا در این تصاویر دارند که باعث می‌شود عامل انسانی نتواند دقت زیادی در تفکیک بیماری کرونا از بیماری‌های مذکور داشته باشد. الگوریتم‌های هوش مصنوعی قادرند ضمن افزایش سرعت و یکنواختی تشخیص، دقت تفکیک کرونا از سایر بیماری‌های تنفسی را افزایش دهند.
طالب پور ادامه داد: به همین منظور بیش از ۱۰۰۰ تصویر CT از بیمارستان سینا دریافت و جدیدترین روش‌های هوش مصنوعی روی آن‌ها اعمال شد. به زودی با مقایسه نتایج روش‌های مختلف هوشمند، بهترین راهکار برای استفاده در پیش بینی و تشخیص زودهنگام کرونا در اختیار متخصصان قرار خواهد گرفت.
وی خاطرنشان کرد: پیش بینی و تشخیص با صوت سرفه برای تشخیص برخی بیماری‌ها از طریق تحلیل سیگنال صوت سرفه قبلاً به صورت تحقیقاتی انجام شده است. مزیت این روش حداقل بودن امکانات مورد نیاز جهت تشخیص است و فرد می‌تواند بدون مراجعه به مراکز درمانی، توسط این روش غربالگری اولیه شده و فقط در صورت مثبت بودن نتیجه این روش به مراحل درمانی مراجعه و تست‌های تشخیصی دیگر را انجام دهد.
رئیس پژوهشکده فضای مجازی دانشگاه شهید بهشتی افزود: این موضوع از سه جنبه تشخیص افراد مشکوک به کرونا و رهگیری فعالانه گسترش ویروس، کاهش تردد و مراجعه افراد به مراکز درمانی و در نتیجه کاهش خطر سرایت و آزاد ماندن ظرفیت‌های نظام سلامت برای افراد با مشکلات جدی حائز اهمیت است.
وی ادامه داد: در این رابطه پس از انجام اقدامات پژوهشی و پیش بینی راهکارهایی برای افزایش دقت این روش، جمع آوری صوت سرفه ۲۰۰ بیمار در بیمارستان سینا در حال انجام است. تشخیص و پایش وضعیت بیمار با سیگنال اکوی قلب (ECG) در تحقیقات جدید نشان داده ویروس کرونا غیر از درگیر کردن ریه‌ها، در موارد قابل توجهی تأثیرات مستقیم و غیر مستقیم روی عملکرد قلب دارد.
طالب پور افزود: بنابراین و با توجه به سابقه قبلی این مجموعه در پیش بینی دیابت از روی ECG، تشخیص ابتلاء به کرونا و همینطور پایش پایداری وضعیت بیمار از روی این سیگنال مورد توجه قرار گرفت و ECG و اطلاعات مربوط به چند ده بیمار در این رابطه جمع آوری شد. تا جایی که اطلاع داریم این یک ابتکار جدید است و نمونه قبلی ندارد.
وی ادامه داد: از مزایای این روش سهولت دسترسی به امکانات مورد نیاز جهت تشخیص و همچنین ایجاد شناخت جدید از علائم و خودبیماری است که علاوه بر استفاده برای مبتلایان فعلی به آینده مبارزه با این ویروس کمک خواهد کرد.
وی تصریح کرد: پایش و پیش بینی وضعیت بیمار با داده‌های کلینیکی بعد از مرحله تشخیص، پایش و کنترل وضعیت بیمار بسیار تعیین کننده است. بنابراین تحلیل داده‌های کلینیکال شامل بیش از پنجاه ویژگی جهت پایش و پیش بینی وضعیت بیمار مبتلا به کرونا آغاز شد. در نتیجه این پروژه، متخصصین خواهند توانست با توجه به پیش بینی این سامانه، از احتمال وخامت یا بهبود شرایط بیمار در آینده مطلع شده و تصمیمات دقیق‌تری جهت تخصیص بهینه امکانات ICU و تجویز هر اقدام متناسب اتخاذ نمایند.
رئیس پژوهشکده فضای مجازی دانشگاه شهید بهشتی خاطرنشان کرد: با توجه به پیش بینی تکمیل اطلاعات حدود ده هزار بیمار طی ماه آتی توسط کمیته پژوهشی کو, ید بیمارستان سینا و همچنین احتمال اضافه شدن اطلاعات بیمارستان‌های دیگر طرح کووید نتایج حاصل از هر چهار پروژه فوق که حاصل همکاری دانشگاه شهید بهشتی و بیمارستان سینا (دانشگاه علوم پزشکی تهران) است، جهت مشارکت در حفاظت از سلامت جامعه به صورت رایگان در اختیار مراکز درمانی داخلی و خارجی قرار خواهد گرفت.
۱۳:۵۵ - ۱۳۹۹/۰۱/۲۸
نظر شما