در گزارش خط رند ۹۱۲ اعلام شد: اقدامات مبتنی بر هوش مصنوعی محققان کشور برای مقابله با کرونا

به گزارش خط رند ۹۱۲ رئیس پژوهشکده فضای مجازی دانشگاه شهید بهشتی اقدامات مبتنی بر هوش مصنوعی محققان کشور را در مورد مقابله با ویروس کرونا شرح داد.

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 اظهار داشت: با عنایت به اهمیت مبحث تشخیص زودهنگام و دقیق بیماری کرونا که اساس موفقیت کشورهای پیشرو در مهار این ویروس بوده است، از آغاز شیوع این ویروس در ایران، دو راهبرد اصلی تسهیل و تسریع در تشخیص و پیشبینی ابتلاء به کرونا و افزایش دقت تشخیص با استفاده از مزیت های هوش مصنوعی در این کمیته پژوهشی پیگیری شده است.
وی افزود: در این راستا با تاکید 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) پروژه های زیر تعریف شده و با همکاری همه جانبه آن بیمارستان در حال انجام می باشد.
رئیس پژوهشکده فضای مجازی دانشگاه شهید بهشتی تصریح کرد: پیشبینی و تشخیص با تصاویر CT قفسه سینه از قابلیت پیشگویی و حساسیت بالایی در تشخیص کرونا برخوردار می باشند. ازاین رو برای تشخیص زودهنگام کرونا بسیار مناسب هستند. هرچند در روش سنتی، تشخیص با بررسی حجم بالایی از اطلاعات تصویری توسط عامل انسانی انجام می گیرد که از نظر سرعت و یکنواختی تشخیص بهینه نیست.
وی افزود: همینطور برخی دیگر از بیماری های تنفسی علائمی مشابه با کرونا در این تصاویر دارند که سبب می شود عامل انسانی نتواند دقت زیادی در تفکیک بیماری کرونا از بیماری های مذکور داشته باشد. الگوریتم های هوش مصنوعی قادرند ضمن افزایش سرعت و یکنواختی تشخیص، دقت تفکیک کرونا از سایر بیماری های تنفسی را بالا برند.
طالب پور افزود: بدین منظور بیشتر از ۱۰۰۰ تصویر CT از بیمارستان سینا دریافت و جدید ترین روش های هوش مصنوعی روی آنها اعمال شد. بزودی با مقایسه نتایج روش های مختلف هوشمند، بهترین راهکار جهت استفاده در پیشبینی و تشخیص زودهنگام کرونا در اختیار متخصصان قرار خواهد گرفت.
وی تصریح کرد: پیشبینی و تشخیص با صوت سرفه برای تشخیص برخی بیماری ها از راه تحلیل سیگنال صوت سرفه قبلاً به صورت تحقیقاتی انجام شده است. مزیت این روش حداقل بودن امکانات مورد نیاز جهت تشخیص است و فرد می تواند بدون رفتن به مراکز درمانی، توسط این روش غربالگری اولیه شده و فقط در صورت مثبت بودن نتیجه این روش به مراحل درمانی رجوع و تست های تشخیصی دیگر را انجام دهد.
رئیس پژوهشکده فضای مجازی دانشگاه شهید بهشتی اضافه کرد: این مورد از سه جنبه تشخیص افراد مشکوک به کرونا و رهگیری فعالانه گسترش ویروس، کاهش تردد و رجوع افراد به مراکز درمانی و در نتیجه کاهش خطر سرایت و آزاد ماندن ظرفیت های نظام سلامت برای افراد با مشکلات جدی حائز اهمیت می باشد.
وی افزود: در این رابطه بعد از انجام اقدامات پژوهشی و پیشبینی راهکارهایی برای افزایش دقت این روش، جمع آوری صوت سرفه ۲۰۰ بیمار در بیمارستان سینا در حال انجام می باشد. تشخیص و پایش وضعیت بیمار با سیگنال اکوی قلب (ECG) در تحقیقات جدید نشان داده ویروس کرونا غیر از درگیر کردن ریه ها، در موارد قابل توجهی تأثیرات مستقیم و غیر مستقیم روی عملکرد قلب دارد.
طالب پور اضافه کرد: ازاین رو و با عنایت به سابقه قبلی این مجموعه در پیشبینی دیابت از روی ECG، تشخیص ابتلاء به کرونا و همچنین 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 افزود: از مزایای این روش سهولت دسترسی به امکانات مورد نیاز جهت تشخیص و همینطور ایجاد شناخت جدید از علایم و خودبیماری است که علاوه بر استفاده برای مبتلایان فعلی به آینده مبارزه با این ویروس کمک خواهد نمود.
وی خاطرنشان کرد: پایش و پیشبینی وضعیت بیمار با داده های کلینیکی پس از مرحله تشخیص، پایش و کنترل وضعیت بیمار بسیار تعیین کننده است. ازاین رو تحلیل داده های کلینیکال شامل بیشتر از پنجاه خصوصیت جهت پایش و پیشبینی وضعیت بیمار مبتلا به کرونا شروع شد. در نتیجه این پروژه، متخصصین خواهند توانست با عنایت به پیشبینی این سامانه، از احتمال وخامت یا بهبود شرایط بیمار در آینده آگاه شده و تصمیمات دقیق تری جهت تخصیص بهینه امکانات ICU و تجویز هر اقدام متناسب اتخاذ نمایند.
رئیس پژوهشکده فضای مجازی دانشگاه شهید بهشتی تصریح کرد: با عنایت به پیشبینی تکمیل اطلاعات حدود ده هزار بیمار طی ماه آتی توسط کمیته پژوهشی کو، ید بیمارستان سینا و همینطور احتمال اضافه شدن اطلاعات بیمارستان های 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 مجانی در اختیار مراکز درمانی داخلی و خارجی قرار خواهد گرفت.