تشخیص زودهنگام "تب مالت" با فرمول‌های ریاضی!

منبع
ايسنا
بروزرسانی
تشخیص زودهنگام "تب مالت" با فرمول‌های ریاضی!
ايسنا/ بيماري "بروسلوزيس"يا "تب مالت"، ازجمله بيماري‌هايي است که با مصرف محصولات لبني ناسالم به افراد منتقل مي‌شود. محققان کشور براي تشخيص به‌موقع اين بيماري، استفاده از يک مدل شبکه عصبي مصنوعي را مورد استفاده قرار داده و به موفقيت‌هاي خوبي دست يافته‌اند. بروسلوزيس يا تب مالت يک بيماري با قدرت درگيرکردن چند ارگان است که در موارد شديد و حاد خود را به‌صورت يک بيماري تب‌دار (ناگهاني و يا تدريجي) نشان مي‌دهد. ولي در صورت عدم تشخيص و درمان به‌موقع و مناسب، بيماري ادامه يافته و مي‌تواند به سمت يک بيماري مزمن و ناتوان‌کننده با عوارض شديد و گاهي مرگ‌بار پيش رفت کند. معمولاً شدت اين بيماري در کساني که به‌دفعات با دام‌ها در تماس هستند و به‌طور دائمي با باکتري بروسلا تماس دارند خفيف و ملايم است. اين بيماري به علت ايجاد سقط جنين در دام، کاهش توليد شير، عقيمي و نازايي دام‌هاي مبتلا و همچنين به علت ابتلاي انسان به بيماري تب مالت، همواره از دو بعد اقتصادي و بهداشتي مورد توجه قرار مي‌گيرد. تب مالت بيماري است که به گفته محققان بيشتر در جوانان ديده مي‌شود و در افراد با سن بالا، فراواني کمتري دارد. سودمندترين آزمون بررسي پاسخ درماني در بروسلوز، اندازه‌گيري عيار آزموني به نام 2ME است. هرچند تعداد کمي از بيماران ممکن است به‌طور خودبه‌خودي خوب شوند، اما تشخيص و درمان زودهنگام در بيماري تب مالت يک اصل مهم است، چراکه هر چه درمان ديرتر شروع شود، احتمال بروز عوارض و عود آن بيش‌تر مي‌شود. بر اساس مطالعات، تأخير بيش از 30 روز در شروع درمان، باعث عوارض بسياري خواهد شد و تقريباً هر عضوي از بدن ممکن است به اين باکتري آلوده شود. بر همين اساس تشخيص سريع و شروع به‌موقع درمان آن از اهميت بالايي برخوردار است. در همين رابطه، پژوهشگراني از دانشگاه وليعصر (عج) رفسنجان و دانشگاه علوم پزشکي اين شهر، پژوهشي را انجام داده‌اند که در آن براي تشخيص بيماري بروسلوزيس، از شبکه‌هاي عصبي مصنوعي استفاده شده است. در اين مطالعه توصيفي-تحليلي، موارد بروسلوز انساني بر اساس شاخص‌هاي جنس، سن، بارداري، سابقه تماس با دام و استفاده از مواد غيرپاستوريزه لبني در طول سه سال از شهرستان رفسنجان واقع در جنوب ايران جمع‌آوري‌شده و مورد تحليل قرار گرفتند و از روش شبکه عصبي مصنوعي «آتوانکو در عميق» براي هر زيرمجموعه استفاده شد. نتايج اين پژوهش نشان مي‌دهد که مدل شبکه عصبي مصنوعي عميق مي‌تواند به‌عنوان يک روش کارآمد و هوشمند براي تشخيص موارد بروسلوز انساني به کار گرفته شود. به گفته علي فياضي، محقق گروه مهندسي برق دانشگاه وليعصر (عج) رفسنجان و همکارانش، «روش مورد مطالعه ما به صحت حدود 85 درصد و حساسيت 62 درصدي در پيش‌بيني موارد بيماري بروسلوزيس دست يافت، لذا نتايج تجربي، عملکرد دقيق شبکه عصبي را در تشخيص بيماري بروسلوز نشان مي‌دهد». آن‌ها ادامه مي‌دهند: «بااين‌حال مطالعه و پژوهش‌هاي بيشتري براي طراحي مدل‌هاي ديگر از شبکه‌هاي عصبي مصنوعي بر اساس يادگيري عميق جهت تشخيص ساير بيمارهاي عفوني مورد نياز است». بر اساس يافته‌هاي اين پژوهش که در نشريه «انفورماتيک سلامت و زيست پزشکي» منتشر شده‌اند، مي‌توان از مدل مورد اشاره به‌عنوان يک ابزار مناسب در تشخيص به‌موقع بيماري بروسلوزيس استفاده کرد. نشريه فوق به‌صورت فصل‌نامه توسط مرکز تحقيقات انفورماتيک پزشکي دانشگاه علوم پزشکي کرمان انتشار مي‌يابد.