پیشبینی شدت کووید-۱۹ با هوش مصنوعی: مدل یادگیری عمیق مبتنی بر دادههای روز اول پذیرش

پیشبینی شدت کووید-۱۹ با هوش مصنوعی مدل یادگیری عمیق مبتنی بر دادههای روز اول پذیرش, دانشیار گروه مهندسی پزشکی دانشگاه علوم پزشکی شهید بهشتی، احمد شالباف، در مورد پیشبینی شدت بیماری کووید-۱۹ با استفاده از راهکارهای یادگیری عمیق اظهار نظر کرد. وی بیان داشت که شیوع این ویروس به نگرانی جهانی تبدیل شده و اقتصاد و زیرساختهای بهداشتی را دچار اختلال جدی نموده است.

طیف بیماری از حالت بیعلامت تا سندرم زجر تنفسی حاد (ARDS) با نرخ مرگومیر بالا متغیر میباشد. عوامل مؤثربه شدت بیماری شالباف عوامل تعیینکننده شدت کووید را در سه دسته طبقهبندی کرد ویژگیهای دموگرافی (سن، جنس، چاقی، سوپریزی و وضعیت اقتصادی)، بیماریهای زمینهای (دیابت، فشار خون، بیماریهای مزمن ریه و کلیه، سرطان و بیماریهای قلبی) و نشانههای حیاتی (دما، اشباع اکسیژن، فشار خون، ضربان قلب و نرخ تنفس).

مدل پیشبینی هوشمند مبتنی بر دادههای اولیه هدف اصلی این تحقیق، ابداع سامانهای سریع و خودکار برای پیشبینی پیشرفت بیماری از روز اول پذیرش با دقت و حساسیت بالا بوده است. با شناسایی رابطه متغیرهای جداگانه با تشدید بیماری، فاکتورهای اختصاصی پیشبینیکننده استخراج شدهاند. پیشبینی زودهنگام امکان تخصیص بهینه منابع و برنامهریزی درمانی را فراهم آورده و خطر مرگومیر را کاهش میدهد.

وی تأکید کرد که ایدهآلترین مدل پیشبینیکننده، آناست که در لحظه پذیرش بیمار، شدت پیشرفت را محاسبه نماید تا تیم پزشکی بتواند درباره نیاز به بستری در واحد مراقبتهای ویژه (ICU) و حفظ تختهای بیمارستان برای موارد بحرانی تصمیم بگیرد.

نوآوری تحقیق در زمان پاندمی این پژوهشگر افزود در آغاز پاندمی، هیچ مطالعه جامعی برای پیشبینی شدت کووید-۱۹ وجود نداشت؛ از این رو، بهرهگیری از الگوریتمهای متنوع هوش مصنوعی و بهویژه یادگیری عمیق بر روی دادههای دموگرافی، بالینی و آزمایشگاهی، شکاف علمی موجود را پر نمود.