به گزارش پایگاه خبری خبرآنی به نقل از اینترستینگ انجینرینگ، این تحقیق نوین روش های آماری و یادگیری ماشینی را به طور همزمان بررسی می کند تا بین عفونت های استوایی تمایز ایجاد کند.
تشخیص بیماری های استوایی به خصوص در موارد اضطراری یک چالش مهم برای پزشکان به حساب می آید. ۴ مورد از این بیمار ها از جمله تب دانگ، مالاریا، تب شالیزار وتیفوئید علائم بالینی مشابهی دارند.
گیریش تانگا استادیار این کالج می گوید: حتی با وجود فرایند پیچیده تشخیص ممکن است ۳ روز طول بکشد تا نتایج آزمایش ها 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 مراقبت های عالی در جنوب هند انجام دادند. یک پرسشنامه با ۹ آیتم طراحی، تایید و توزیع و درنهایت پاسخ های آن تحلیل شد تا مشخص شود پزشکان نیازی به ایجاد تمایز میان بیماری های استوایی در محیط شان دارند یا خیر.
بخش نخست پرسشنامه شامل ۶ سوال خاص درباره بیماری ها بود مانند میزان عفونت های استوایی، تعداد مواردی که در یک هفته درمان شدند، موانع در درمان عفونت های استوایی، چالش های 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، فرمت های پیشنهادی برای ابزار و پیشنهادات دیگر.
در مرحله بعد برای توسعه یک ابزار پیش بینی کننده، داده ها از سوابق پزشکی موجود در دانشکده بررسی شدند. سپس یک ابزار پیش بینی و یک الگوریتم ماشین یادگیری ابداع شد. تونگا در این باره می گوید: در کل داده های 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.
پرسشنامه ها 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 می کنند. 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 داده های بالینی به عنوان حوزه اصلی عملکرد ابزار در نظر گرفته شود.
پرسشنامه ها نشان داد تب دانگ، مالاریا، تب شالیزار و تیفوئید معمول ترین بیمار های عفونی در این منطقه هستند و متداول ترین نشانگرهای آزمایشگاهی نیز بیلی روبین، آلبومین، لیمفوسیت و پلاکت های خونی بودند. از سوی دیگر درد شکمی، خروجی اداری و غیر از نشانه های بالینی مهم برای پیش بینی بیماری به حساب می آیند.
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 می توان تحلیل کرد و براساس هر سناریو بالینی ارتقا داد.
اکنون قرار است پژوهش های بیشتری بر وجوه مختلف این بیماری ها انجام شود.
نتایج پژوهش در نشریه PLOS منتشر شده است.
