توسط محققان دانشگاهی انجام شد؛
طراحی سیستم پایش و پیشبینی ایست ناگهانی قلب
پژوهشگران گروه مهندسی فناوری اطلاعات دانشگاه تربیت مدرس با استفاده از الگوریتم های هوش مصنوعی یك مدل پیش آگهی ایست قلبی برای بیماران مبتلا به سپسیس عرضه كردند.
به گزارش گردو دانلود به نقل از دانشگاه تربیت مدرس، 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 جلوگیری از وقوع ایست قلبی را فراهم می آورد.
دکتر سمانه لایقیان که این پژوهش را در چارچوب رساله دکتری تخصصی در رشته مهندسی فناوری اطلاعات (سیستم های اطلاعاتی) انجام داده است، اظهار داشت: از آنجائیکه پزشکان نمی توانند به صورت مداوم خطر ایست قلبی برای همه بیماران تحت مراقبت را بررسی نمایند، خودکارسازی جمع آوری و تحلیل داده های سلامت و اعلام هشدارهای لازم به بیمار و پزشک می تواند گام بزرگی در کاهش میزان مرگ و میر و هزینه ها باشد.
وی اضافه کرد: در این پژوهش با استفاده از الگوریتم های هوش مصنوعی به توسعه یک مدل پیش آگهی ایست قلبی برای بیماران مبتلا به سپسیس پرداختیم.
لایقیان تشریح کرد: در این راستا ۳۰ ساعت از داده های 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 بوجود آمد مدلهای یادگیری ماشین مختلف، با نگاهی سیستماتیک بر این سه مجموعه داده آموزش یافتند. نهایتاً استفاده از روش یادگیری عمیق نتایج بهتری تولید کرد.
وی در ادامه اظهار داشت: مدل پیشنهادی در بازه ۳۰ ساعت پیش از رخداد ایست قلبی، وقوع آنرا با مقدار sensitivity بالاتر از ۷۰ درصد پیشبینی می کند. 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 سیستم های استاندارد موجود تولید می کند.
در این پژوهش تأثیر پویایی سری های زمانی علایم حیاتی، بعنوان یک عامل پیشگو برای پیشبینی ایست قلبی هم با رویکردهای مختلف مورد آزمون قرار گرفت. تحلیل سری های زمانی برای پیشبینی ایست قلبی یک ساعت پیش از رخداد، مقدار sensitivity=۷۷% را تولید کرد.
در گام بعد، به منظور هوشمندسازی عملیات جمع آوری و تحلیل داده ها، با استفاده از تکنولوژی های جدید به طراحی نمایی سطح بالا از یک معماریIOT، برای نظارت زمان واقعی بر افراد بستری در بخش مراقبت های ویژه پرداختیم. این معماری، مدل پیش آگهی هوشمند پیشنهادی را بعنوان بخشی از خدمات خود فراهم آورده و از فناوری ها به منظور تسریع عملیات پردازش بلادرنگ استفاده می نماید.
منبع: گردو دانلود
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب