پیش بینی آسیب مغزی با الگوریتم ماشینی - وبلاگ فرافایلی

به گزارش وبلاگ فرافایلی، پژوهشگران آمریکایی در آنالیز جدید خود، از یک الگوریتم یادگیری ماشینی برای پیش بینی آسیب مغزی استفاده کردند و دریافتند که این الگوریتم می تواند پیش بینی های بسیار دقیقی انجام دهد.

نوزادان تازه متولد شده و یا بچه ها مبتلا به مسائل قلبی و ریوی، برای زنده ماندن کوشش می نمایند و پزشکان اغلب برای زنده نگه داشتن این بچه ها از ریه های مصنوعی استفاده می نمایند. این درمان موسوم به اکسیژناسیون غشایی برون پیکری (ECMO)، زندگی های بی شماری را نجات داده است اما در بعضی موارد می تواند به آسیب مغزی بلندمدت نیز منجر گردد.

گروهی از پژوهشگران مرکز پزشکی دانشگاه تگزاس شعبه جنوب غربی (UT Southwestern) در آنالیز جدید خود نشان داده اند که یک الگوریتم یادگیری ماشینی می تواند احتمال ابتلا به آسیب مغزی ناشی از اکسیژناسیون غشایی برون پیکری در نوزادان و بچه ها را دقیق تر از پزشکان پیش بینی کند.

لاکشمی رامان (Lakshmi Raman)، سرپرست این پژوهش گفت: پزشکان همواره درکی در خصوص افرادی که در خطر هستند، دارند اما ما در حال حاضر داده های خوبی برای معین کردن این که چه عواملی باعث آسیب مغزی ناشی از اکسیژناسیون غشایی برون پیکری می گردد، در اختیار نداریم. من باور ندارم که بتوانیم این آسیب ها را به طور کامل رفع کنیم اما امیدوارم که بتوانیم پیش بینی های بهتری در خصوص افرادی که در خطر هستند، داشته باشیم.

اکسیژناسیون غشایی برون پیکری، خون را از بدن خارج می نماید تا به حذف دی اکسید کربن آن بپردازد، اکسیژن را به آن اضافه کند و خون را گرم نگه دارد تا دوباره به بدن بازگردانده گردد. این روش درمان هم برای بچه ها و هم برای بزرگسالان به کار می رود اما بیشتر بیمارانی که تحت این درمان قرار می گیرند، نوزادان هستند.

بسیاری از افرادی که با روش اکسیژناسیون غشایی برون پیکری، تحت درمان قرار می گیرند، به پیامدهای مغزی دچار می شوند اما پزشکان هنوز دلیل آن را به طور کامل متوجه نشده اند. رامان گفت: من علاقه داشتم تا بدانم که آیا ما می توانیم با یاری یک الگوریتم یادگیری ماشینی، بر این مسائل غلبه کنیم و به پیش بینی بروز آسیب مغزی در بیماران بپردازیم.

پژوهشگران در این پروژه، داده های مربوط به 174 بیمار کمتر از 18 سال را به کار بردند که 70 نفر از آنها نوزادانی بودند که کمتر از سی روز سن داشتند. این بیماران بین سال های 2010 تا 2019 در مرکز پزشکی بچه ها دالاس (Childrens Medical Center Dallas) تحت درمان قرار گرفته بودند. پژوهشگران، تصاویر مربوط به سی تی اسکن و ام آرآی همه بیماران را مورد آنالیز قرار دادند. آسیب مغزی با یاری اسکن در 51 درصد بیماران شناسایی شد.

داده های مربوط به هر بیمار از جمله سن، وزن، جنسیت، داروها، نوع اکسیژناسیون غشایی برون پیکری صورت گرفته، دلیل ابتدایی به کارگیری این روش درمانی و مدت زمان استفاده از آن را در یک برنامه یادگیری ماشینی وارد کردند که برای شناسایی الگوها در پایگاه داده طراحی شده است.

این مدل رایانه ای توانست در پیش بینی آسیب مغزی پس از درمان با اکسیژناسیون غشایی برون پیکری، 73 درصد حساسیت داشته باشد و احتمال آسیب مغزی را در 61 بیمار پیش بینی کند.

این مدل پیش بینی قرار نیست به زودی مورد استفاده قرار بگیرد. پژوهشگران قصد دارند آنالیز های بیشتری انجام دهند که بیماران تحت درمان با روش اکسیژناسیون غشایی برون پیکری را در مراکز درمانی دیگر نیز ارزیابی کند.

این پژوهش، در Journal of Clinical Medicine به چاپ رسید.،ایسنا