طراحی سیستمی برای پیشبینی ایست ناگهانی قلب
باشگاه خبرنگاران/ ايست قلبي ناشي از سپسيس يک رويداد شايع با نرخ نجات پايين است. پيشبيني زود هنگام ايست قلبي زمان لازم براي انجام مداخلات ضروري جهت پيشگيري از وقوع ايست قلبي را فراهم ميآورد.
پژوهشگران گروه مهندسي فناوري اطلاعات دانشگاه تربيت مدرس با استفاده از الگوريتمهاي هوش مصنوعي يک مدل پيش آگاهي ايست قلبي براي بيماران مبتلا به سپسيس ارائه کردند؛ مدل پيشنهادي در بازه ۳۰ ساعت قبل از رخداد ايست قلبي، وقوع آن را با مقدار sensitivity بالاتر از ۷۰ درصد پيش بيني ميکند.
سمانه لايقيان که اين پژوهش در قالب رساله دکتري تخصصي وي در رشته مهندسي فناوري اطلاعات (سيستمهاي اطلاعاتي) انجام شد، با بيان اين مقدمه گفت: از آنجا که پزشکان نميتوانند به طور مداوم خطر ايست قلبي براي همه بيماران تحت مراقبت را بررسي کنند، خودکارسازي جمعآوري و تحليل دادههاي سلامت و اعلام هشدارهاي لازم به بيمار و پزشک ميتواند گام بزرگي در کاهش ميزان مرگ و مير و هزينهها باشد.
او افزود: در اين پژوهش با استفاده از الگوريتمهاي هوش مصنوعي به توسعه يک مدل پيش آگهي ايست قلبي براي بيماران مبتلا به سپسيس پرداختيم.
لايقيان تشريح کرد: در اين راستا ۳۰ ساعت از دادههاي باليني بيماران سپسيس از پايگاه داده MIMIC III استخراج شد (۷۹ مورد ايست قلبي، ۴۵۳۲ رکورد نرمال) و سه مجموعه داده چندمتغيره، سري زماني و ترکيب چند متغيره و سري زماني ايجاد شد مدلهاي يادگيري ماشين مختلف، با رويکردي سيستماتيک بر اين سه مجموعه داده آموزش يافتند. در نهايت استفاده از روش يادگيري عميق نتايج بهتري توليد کرد.
او در ادامه گفت: مدل پيشنهادي در بازه ۳۰ ساعت قبل از رخداد ايست قلبي، وقوع آن را با مقدار sensitivity بالاتر از ۷۰ درصد پيش بيني ميکند. مقايسه خروجي اين مدل با نتايج حاصل از دو سيستم هشداردهنده استاندارد Apache II و MEWS نشان داد مدل پيشنهادي بهبود قابل توجهي نسبت به سيستمهاي استاندارد موجود توليد ميکند.
در اين پژوهش تاثير پويايي سريهاي زماني علائم حياتي، به عنوان يک عامل پيشگو براي پيشبيني ايست قلبي نيز با رويکردهاي مختلف مورد آزمون قرار گرفت. تحليل سريهاي زماني براي پيشبيني ايست قلبي يک ساعت قبل از رخداد، مقدار sensitivity=۷۷% را توليد کرد.
در گام بعد، به منظور هوشمندسازي عمليات جمعآوري و تحليل دادهها، با استفاده از فناوريهاي نوين به طراحي نمايي سطح بالا از يک معماري IOT، براي نظارت زمان واقعي بر افراد بستري در بخش مراقبتهاي ويژه پرداختيم. اين معماري، مدل پيشآگهي هوشمند پيشنهادي را به عنوان بخشي از خدمات خود فراهم آورده و از فناوري مه به منظور تسريع عمليات پردازش بلادرنگ استفاده ميکند.