[ad_1]
یک ابزار تشخیصی جدید به کمک رایانه که توسط دانشمندان KAUST ساخته شده است می تواند به غلبه بر برخی از چالش های نظارت بر سلامت ریه به دنبال عفونت ویروسی کمک کند.
مانند سایر بیماریهای تنفسی، کووید-۱۹ میتواند آسیب دائمی به ریهها وارد کند، اما پزشکان برای تجسم این آسیب تلاش کردهاند. اسکنهای مرسوم قفسه سینه بهطور قابل اعتمادی علائم اسکار ریه و سایر ناهنجاریهای ریوی را تشخیص نمیدهند، که ردیابی سلامت و بهبودی افراد مبتلا به مشکلات تنفسی مداوم و سایر عوارض پس از کووید را دشوار میکند.
روش جدید توسعه یافته توسط KAUST – معروف به Deep-Lung Parenchyma-Enhancing (DLPE) – الگوریتم های هوش مصنوعی را در بالای داده های استاندارد تصویربرداری قفسه سینه قرار می دهد تا ویژگی های بصری غیرقابل تشخیصی را نشان دهد که نشان دهنده اختلال عملکرد ریه است.
شین گائو، دانشمند کامپیوتر و زیستشناس محاسباتی، میگوید: از طریق تقویت DLPE، رادیولوژیستها میتوانند ضایعات ریوی زیربصری جدید را کشف و تجزیه و تحلیل کنند. او می افزاید: «تجزیه و تحلیل این ضایعات سپس می تواند به توضیح علائم تنفسی بیماران کمک کند» و امکان مدیریت و درمان بهتر بیماری را فراهم می کند.
گائو و اعضای گروه بیوانفورماتیک ساختاری و عملکردی او و مرکز تحقیقات زیستی محاسباتی این ابزار را به همراه محقق هوش مصنوعی و پروست فعلی KAUST لارنس کارین و همکاران بالینی از دانشگاه پزشکی هاربین در چین ایجاد کردند.
این روش ابتدا هرگونه ویژگی آناتومیکی را که با پارانشیم ریه مرتبط نیست از بین می برد. بافت های درگیر در تبادل گاز به عنوان محل اصلی آسیب ناشی از COVID-19 عمل می کنند. این بدان معناست که راههای هوایی و رگهای خونی را بردارید، و سپس تصاویر باقیمانده را بهبود ببخشید تا ضایعاتی را که ممکن است بدون کمک کامپیوتر نادیده گرفته شوند، آشکار کنید.
محققان الگوریتم های خود را با استفاده از سی تی اسکن سینه هزاران نفری که با COVID-19 در بیمارستان بستری شده بودند، آموزش دادند و اعتبارسنجی کردند. آنها این روش را با نظرات رادیولوژیستهای خبره اصلاح کردند و سپس DLPE را به روشی آیندهنگر برای دهها بازمانده از COVID-19 با مشکلات ریوی، که همگی بیماریهای شدیدی را که نیاز به درمان مراقبتهای ویژه را تجربه کرده بودند، به کار بردند.
به این ترتیب، گائو و همکارانش نشان دادند که این ابزار میتواند نشانههای فیبروز ریوی را در مسافرین طولانی کووید نشان دهد، بنابراین به توضیح تنگی نفس، سرفه و سایر مشکلات ریوی کمک میکند. او پیشنهاد می کند که تشخیصی با تجزیه و تحلیل تصویر CT استاندارد غیرممکن است.
او می گوید: «با DLPE، برای اولین بار، ما ثابت کردیم که ضایعات طولانی مدت CT می توانند چنین علائمی را توضیح دهند. بنابراین، درمانهای فیبروز ممکن است در رسیدگی به عوارض تنفسی طولانیمدت COVID-19 بسیار مؤثر باشد.»
اگرچه تیم KAUST DLPE را عمدتاً با در نظر گرفتن بهبودی پس از COVID-19 توسعه داد، آنها همچنین این پلت فرم را بر روی اسکن قفسه سینه گرفته شده از افراد مبتلا به سایر مشکلات ریوی، از جمله ذات الریه، سل و سرطان ریه آزمایش کردند. محققان نشان دادند که چگونه ابزار آنها میتواند به عنوان یک کمک تشخیصی گسترده برای همه بیماریهای ریوی عمل کند و رادیولوژیستها را قادر میسازد، به قول گائو، “مشاهده نادیدهها را ببینند”. پژوهش ظاهر می شود در هوش ماشین طبیعت.
آسیب ریه ممکن است مدت ها پس از ذات الریه COVID-19 ادامه یابد
Guohua Wang، یک گردش کار یادگیری عمیق قابل تفسیر برای کشف ناهنجاری های زیربصری در سی تی اسکن بیماران بستری COVID-19 و بازماندگان، هوش ماشین طبیعت (2022). DOI: 10.1038/s42256-022-00483-7. www.nature.com/articles/s42256-022-00483-7
ارائه شده توسط دانشگاه علم و صنعت ملک عبدالله
نقل قول: هوش مصنوعی به تشخیص مشکلات ریوی پس از کووید کمک می کند (2022، 23 مه) در 23 مه 2022 از https://medicalxpress.com/news/2022-05-ai-post-covid-lung-problems.html بازیابی شده است.
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.
[ad_2]