گروهی از محققان در هند مشغول توسعه یک ابزار مبتنی بر ماشین یادگیری هستند که به پزشکان کمک می‌کند بیماری‌های استوایی مختلف از جمله تب دانگ و مالاریا را از یکدیگر تمایز دهند.
آی‌تی‌من- این تحقیق نوین روش‌های آماری و یادگیری ماشینی را به طور همزمان بررسی می‌کند تا بین عفونت‌های استوایی تمایز ایجاد کند.
تشخیص بیماری‌های استوایی به خصوص در موارد اضطراری یک چالش مهم برای پزشکان به حساب می‌آید. ۴ مورد از این بیمار‌ها از جمله تب دانگ، مالاریا، تب شالیزار وتیفوئید علائم بالینی مشابهی دارند.
گیریش تانگا استادیار این کالج می‌گوید: حتی با وجود فرایند پیچیده تشخیص ممکن است ۳ روز طول بکشد تا نتایج آزمایش‌ها در دسترس قرار بگیرد. همین امر سبب شد تا شناسایی بیماری با کمک یک ابزار هوش مصنوعی را بررسی کنیم.
برای این منظور محققان طی یک دوره ۹ماهه، نیازسنجی را در یک مرکز مراقبت‌های عالی در جنوب هند انجام دادند. یک پرسشنامه با ۹ آیتم طراحی، تایید و توزیع و درنهایت پاسخ‌های آن تحلیل شد تا مشخص شود پزشکان نیازی به ایجاد تمایز میان بیماری‌های استوایی در محیط شان دارند یا خیر.
بخش نخست پرسشنامه شامل ۶ سوال خاص درباره بیماری‌ها بود مانند میزان عفونت‌های استوایی، تعداد مواردی که در یک هفته درمان شدند، موانع در درمان عفونت‌های استوایی، چالش‌های درمان و نیاز برای توسعه ابزارها.
بخش دوم این پرسشنامه توسعه ابزار را بررسی کرد و شامل ۳ سوال درباره پارامترهایی بود که پزشکان تمایل داشتند در توسعه ابزار در نظر گرفته شود، فرمت‌های پیشنهادی برای ابزار و پیشنهادات دیگر.
در مرحله بعد برای توسعه یک ابزار پیش بینی کننده، داده‌ها از سوابق پزشکی موجود در دانشکده بررسی شدند. سپس یک ابزار پیش بینی و یک الگوریتم ماشین یادگیری ابداع شد. تونگا در این باره می‌گوید: در کل داده‌های ۸۰۰ بیمار برای بررسی ۴ بیماری (هر گروه ۲۰۰ نفر) در نظر گرفته شدند.
از نرم افزار WEKA برای مدلسازی یادگیری ماشینی و در مرحله بعد از آن برای آزمایش طبقه بندی باینری (یک بیماری در یک زمان) و چند کلاسه (هر چهار بیماری) استفاده شد.
پرسشنامه‌ها میان ۴۰ پزشک و دانشجوی دکتری در دانشکده پزشکی توزیع شد. پزشکان اعلام کردند هر هفته به طور متوسط ۲۴ مورد عفونت استوایی را درمان می‌کنند. به عقیده آنها تشخیص بیماری و درمان علائم چالش برانگیز و مشکل بود.
طبق تحقیق انجام شده، ۳۵ پزشک معتقد بودند به یک ابزار تصمیم گیری در این خصوص نیاز است و ۳۴ تن دیگر نیز موافق بودند پارامترهای آزمایشگاهی و داده‌های بالینی به عنوان حوزه اصلی عملکرد ابزار در نظر گرفته شود.
پرسشنامه‌ها نشان داد تب دانگ، مالاریا، تب شالیزار و تیفوئید معمول ترین بیمار‌های عفونی در این منطقه هستند و متداول ترین نشانگرهای آزمایشگاهی نیز بیلی روبین، آلبومین، لیمفوسیت و پلاکت‌های خونی بودند. از سوی دیگر درد شکمی، خروجی اداری و غیر از نشانه‌های بالینی مهم برای پیش بینی بیماری به حساب می‌آیند.
دقت ابزار توسعه یافته برای شناسایی تب دانگ (۶۰.۷)، مالاریا (۶۲.۵) و تب شالیزار ۶۶ درصد بوده است. همچنین قابلیت این ابزار برای پیش بینی بیماری تیفویید ۳۸ درصد اعلام شده است.
به گفته تونگا میزان اعتبار نتایج به دست آمده را بیشتر می‌توان تحلیل کرد و براساس هر سناریو بالینی ارتقا داد.
اکنون قرار است پژوهش‌های بیشتری بر وجوه مختلف این بیماری‌ها انجام شود.
نتایج این پژوهش در نشریه PLOS منتشر شده است.
دریافت لینک صفحه با کد QR