پیشبینی شدت کووید-۱۹ با هوش مصنوعی مدل یادگیری عمیق مبتنی بر دادههای روز اول پذیرش, دکتر احمد شالباف، دانشیار گروه مهندسی پزشکی دانشگاه علوم پزشکی شهید بهشتی، در مورد پیشبینی شدت بیماری کووید-۱۹ با استفاده از روشهای یادگیری عمیق اظهار نظر کرد. وی بیان داشت که شیوع این ویروس به سرعت در سطح جهان گسترش یافت و با افزایش مداوم موارد بستری و فوت، به یک چالش بزرگ بهداشتی تبدیل شد.
این بیماری اقتصاد و زیرساختهای درمانی را تحت فشار قرار داده و اندامهای حیاتی نظیر ریه، قلب، کلیه و دستگاه گوارش را هدف قرار میدهد. طیف بالینی کووید-۱۹ از حالت بیعلامت تا مشکلات تنفسی حاد همراه با هیپوکسیمی و سندرم زجر تنفسی حاد (ARDS) متغیر است. اهمیت سندرم زجر تنفسی حاد در کووید-۱۹ شالباف توضیح داد که سندرم زجر تنفسی حاد یک التهاب شدید ریه است که منجر به کماکسیژنی میشود و نرخ مرگومیر بالایی دارد.
بیماران دچار این سندرم نیازمند بستری در واحد مراقبتهای ویژه (ICU) و ونتیلاتور هستند. بنابراین شناسایی زودهنگام بیماران با ریسک بالا، برای مدیریت منابع بیمارستانی حیاتی است. عوامل مؤثربه شدت بیماری این پژوهشگر عوامل مؤثر بر تشدید بیماری را در سه دسته طبقهبندی کرد ویژگیهای دموگرافی، علائم حیاتی و دادههای آزمایشگاهی.
عوامل دموگرافی شامل سن، جنس، چاقی، سابقه سیگاری، وضعیت اقتصادی و بیماریهای زمینهای مانند دیابت، فشار خون بالا، بیماریهای مزمن ریه، سرطان، نارسایی کلیه و بیماریهای قلبیعروقی میباشند. از نظر علائم حیاتی، پارامترهایی چون دمای بدن، اشباع اکسیژن، فشار خون سیک و دیاستولیک، ضربان قلب و نرخ تنفس مورد ارزیابی قرار گرفتهاند.
مدل پیشبینی مبتنی بر دادههای روز اول هدف اصلی این تحقیق، ابداع یک سامانه پیشبینی سریع و خودکار برای پیشرفت بیماری کووید-۱۹ با بهرهگیری از الگوریتمهای شبکه عصبی عمیق با دقت و حساسیت بالا بوده است. با کشف رابطه بین متغیرهای مختلف و تشدید بیماری، این متغیرها به عنوان فاکتورهای پیشبینیکننده شناسایی شدند. پیشبینی زودهنگام میتواند با تخصیص بهینه منابع و برنامهریزی درمانی، خطر مرگومیر را کاهش دهد.
شالباف تأکید کرد که مدل پیشنهادی بر اساس اطلاعات جمعآوری شده در روز اول پذیرش بیمار ساخته شده است. یک مدل پیشبینیکننده ایدهآل باید در لحظه ورود بیمار، شدت پیشرفت بیماری را تخمین بزند تا تیم پزشکی بتواند تصمیم بگیرد که آیا بیمار نیازمند بستری و مراقبتهای ویژه است یا خیر، و بدین ترتیب تختهای ICU برای موارد بحرانی رزرو گردند.
نوآوری تحقیق در دوره اولیه پاندمی به گزارش مرکز ارتباطات معاونت علمی، فناوری و اقتصاد دانشبنیان ریاست جمهوری، در آغاز این پژوهش هیچ مطالعه جامعی در زمینه پیشبینی شدت کووید-۱۹ وجود نداشت. لذا استفاده از الگوریتمهای متنوع هوش مصنوعی و یادگیری ماشین، بهویژه راهکارهای یادگیری عمیق، برای تعیین شدت بیماری بر اساس دادههای دموگرافی، بالینی و آزمایشگاهی، نوآوری اصلی این کار بوده که نتایج مطلوبی را به همراه داشته است.
