پیش بینی احتمال ابتلای نوزادان نارس به یك بیماری خطرناك با كمك یادگیری ماشین
خود درمانی: انتروكولیت نكروزان(NEC) یك بیماری روده خطرناكست كه نوزادان را تحت تاثیر قرار می دهد. این بیماری به صورت التهاب ناگهانی و پیشرونده روده و مرگ بافت ها رخ می دهد. سالانه حدود 11 هزار نوزاد نارس در ایالات متحده به این بیماری مبتلا می شود و 15 تا 30 درصد از نوزادان مبتلا به این بیماری جان خودرا از دست می دهند و غالبا آنهایی كه جان سالم از این بیماری به در می برند گرفتار عوارض طولانی مدت روده و اختلال عصبی تكاملی خواهند شد.
به گزارش خود درمانی به نقل از ایسنا، اکنون پژوهشگران دانشکده مهندسی "دانشگاه کلمبیا" و "دانشگاه پیتسبرگ" موفق به توسعه یک سیستم اخطار زودرس حساس و خاص برای پیش بینی بیماری انتروکولیت نکروزان در نوزادان نارس شده اند. نمونه اولیه این سیستم با بهره گیری از خاصیت های میکروبیوم مدفوع نوزاد همراه با اطلاعات بالینی و جمعیتی بیماری مذکور را بطور دقیق و زود پیش بینی می کند.
"انصاف سالب اویسی" (Ansaf Salleb-Aouissi) یکی از پژوهشگران این مطالعه از دانشگاه کلمبیا اظهار داشت: این مساله که ما می توانیم از فناوری یادگیری ماشین برای جلوگیری از بروز این اتفاق در نوزادان جلوگیری نماییم، بسیار هیجان انگیز است. طی این مطالعه ما داده ها را بررسی کردیم و ابزاری را ساختیم که واقعاً مفیدست و زندگی نوزادان را نجات می دهد.
وی ادامه داد: اگر پزشکان بتوانند پیش از بیمار شدن نوزادان، انتروکولیت نکروزان را دقیق پیش بینی کنند، اقدامات بسیار ساده ای وجود دارد که می توانند از آن برای درمان استفاده کنند. درمان می تواند شامل متوقف کردن غذا خوردن، دادن مایعات بوسیله تزریق وریدی و تجویز آنتی بیوتیک ها بمنظور جلوگیری از نتایج ناگوار نظیر ناتوانی طولانی مدت یا مرگ باشد.
هم اکنون هیچ ابزاری برای پیش بینی اینکه کدام نوزادان نارس به این بیماری مبتلا خواهند شد، وجود ندارد و اغلب این بیماری بسیار دیر و زمانی که حدودا کار از کار گذشته است، تشخیص داده می شود. انتروکولیت نکروزان شایع ترین بیماری اورژانسی روده در میان نوزادان نارس است. این بیماری با نکروز روده پیشرونده، حضور باکتری در خون، اسیدوز و بیش از اندازه مریض شدن و ناخوش بودن و مرگ و میر مشخص می شود.
علت ایجاد انتروکولیت نکروزان به خوبی درک نشده است؛ اما چندین مطالعه روی تغییر در میکروبیوم روده، باکتری های موجود در روده که ترکیب آنها را می توان از تعیین توالی دی. ان. ای از نمونه های مدفوع کوچک مشخص کرد، انجام شده است.
پژوهشگران این مطالعه بنا بر این تصور کردند که یک روش یادگیری ماشینی برای مدل سازی داده های بالینی، دموگرافیک و داده های میکروبیوم از نوزادان نارس ممکنست به آنها در پیش بینی زودتر این مساله کمک نماید تا آنها بتوانند زودتر بیمارانی که در معرض خطر مبتلاشدن به انتروکولیت نکروزان قرار دارند را شناسایی کنند و این امر می تواند سبب تسریع در آغاز انجام روش های درمانی و کاهش عوارض جدی ناشی از این بیماری شود.
به همین دلیل پژوهشگران این مطالعه از داده های حاصل از یک مطالعه بالینی که در سال ۲۰۱۶ در مورد نوزادان نارس که مدفوع آنها در بخش مراقبت های ویژه نوزادان نارس آمریکا بین سال های ۲۰۰۹ تا ۲۰۱۳ جمع آوری شده بود، استفاده کردند.
پژوهشگران ۲ هزار و ۸۹۵ نمونه مدفوع ۱۶۱ نوزاد نارس را که از میان آنها ۴۵ نوزاد به انتروکولیت نکروزان مبتلا شده بودند را مورد آزمایش و بررسی قرار دادند. باتوجه به پیچیدگی داده های میکروبیوم، پژوهشگران چندین مرحله عملیات پردازش داده ها را انجام دادند و سپس داده های حاصل را با بهره گیری از سیستم یادگیری ماشین مورد تجزیه و تحلیل قرار دادند.
پژوهشگران این مطالعه چندین روش یادگیری ماشین را برای تعیین بهترین استراتژی برای پیش بینی انتروکولیت نکروزان از داده های میکروبیوم ارزیابی کردند. آنها دریافتند یکی از روش های یادگیری ماشین مبتنی بر یادگیری تحت نظارت موسوم به "یادگیری چندگانه" (MIL) بهترین رویکرد برای پیش بینی زودتر این بیماری است؛ برای اینکه از آنجائیکه میکروبیوم های بدن انسان در معرض تغییر هستند، روش های یادگیری چندگانه چند وجه یک مسئله را مورد بررسی قرار می دهند. بعنوان مثال در ۲۰ روز اول بعد از تولد یک نوزاد، میکروبیوم نوزاد گرفتار تغییر شدید می شود. خیلی از مطالعات نشان داده اند که نوزادان با تنوع بیشتر میکروبیوم بطور معمول سالم تر هستند و عدم این مساله می تواند به آنها در شناسایی نوزادانی که در معرض خطر این بیماری هستند، کمک نماید.
پژوهشگران حالا در حال ایجاد یک پلت فرم آزمایش غیر تهاجمی برای شناسایی دقیق نوزادان در معرض خطر بالای انتروکولیت نکروزان هستند. بعد از آماده شدن این پلتفرم، آنها یک کارآزمایی بالینی را برای درک میزان صحت این روش انجام خواهند داد.
یافته های این مطالعه در مجله" ACM CHIL "منتشر شد.
منبع: خود درمانی
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب