طرح پژوهشی «آنالیز گفتار بیماران مبتلا به کووید ۱۹» به تصویب صندوق حمایت از پژوهشگران رسید
تاریخ انتشار: ۲۴ دی ۱۳۹۹ | کد خبر: ۳۰۶۷۲۰۱۴
طرح پژوهشی «آنالیز گفتار بیماران مبتلا به کووید ۱۹» عضو هیئت علمی دانشگاه الزهرا (س) در صندوق حمایت از پژوهشگران کشور به تصویب رسید.
به گزارش گروه فناوری خبرگزاری دانشجو، طرح پژوهشی «آنالیز گفتار بیماران مبتلا به کووید ۱۹ به منظور امکان سنجی تشخیص زود هنگام بر اساس نتایج بررسیهای آکوستیکی و هوش مصنوعی» با تلاش ماندانا نوربخش عضو هیئت علمی دانشگاه الزهرا «س» به عنوان مجری طرح، در صندوق حمایت از پژوهشگران و فناوران کشور تصویب و نرم افزار «تشخیص و غربالگری بیماری کووید ۱۹» نیز طراحی و ساخته شد.بیشتر بخوانید: اخباری که در وبسایت منتشر نمیشوند!
در این طرح که حاصل فعالیت پژوهشی گروهی از محققان دانشگاه الزهرا (س)، دانشگاه علوم پزشکی بقیه الله اعظم، دانشگاه جندی شاپور اهواز و پایگاه مرکز اطلاع رسانی جهاد دانشگاهی است، ابتدا صدای مبتلایان در مقایسه با صدای افراد سالم مورد بررسی قرار گرفت و با توجه به تفاوتهای معنادار بین صدای افراد مبتلا و سالم، نرم افزار «تشخیص و غربالگری بیماری کووید ۱۹» با استفاده از الگوریتمهای هوش مصنوعی با صحت تشخیص ۵/۹۰ درصد طراحی و تولید شد.
گفتنی است؛ در این طرح ماندانا نوربخش به عنوان مجری طرح، مارال آسیائی عضو هیئت علمی دانشگاه الزهرا، امیر واحدیان عظیمی دانشگاه علوم پزشکی بقیه الله الاعظم، سید شهاب آتشی دانشگاه جندی شاپور، عبدالصمد کرامت فر پایگاه مرکز اطلاع رسانی جهاددانشگاهی نیز به عنوان اعضای اصلی طرح حضور داشتند. این نرم افزار در حال حاضر از طریق آدرس corona.alzahra.ac.ir/rec در دسترس است.
منبع: خبرگزاری دانشجو
کلیدواژه: دانشگاه الزهرا صندوق حمایت از پژوهشگران کرونا ویروس دانشگاه الزهرا کووید ۱۹
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت snn.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۰۶۷۲۰۱۴ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
هوش مصنوعی قادر است بیماریهای نادر را سالها زودتر شناسایی کند
ایتنا - مطالعه جدیدی نشان میدهد که هوش مصنوعی ممکن است بتواند بیمارانی را که سالها زودتر از زمان تشخیص معمول به بیماریهای نادر مبتلا هستند، شناسایی کند. محققان در Science Translational Medicine گزارش دادند که یک برنامه جدید هوش مصنوعی توانست افراد در معرض خطر ابتلا به یک اختلال ایمنی نادر را شناسایی کند. محققان دریافتند از یک گروه 100 نفری که بر اساس برنامه هوش مصنوعی در معرض بالاترین خطر قرار دارند، 74 نفر به احتمال زیاد به این اختلال مبتلا هستند.
به گفته آنها، این تحقیق نشان میدهد که هوش مصنوعی میتواند به طور بالقوه به روند بهبود این بیماران کمک کند.
دکتر مانیش بوت، محقق ارشد، در بیانیهای گفت: «افرادی که بیماریهای نادر دارند ممکن است با تاخیرهای طولانی در تشخیص و درمان مواجه شوند که منجر به آزمایشهای غیرضروری، بیماری پیشرونده، استرسهای روانی و بار مالی میشود. با استفاده از ابزارهای هوش مصنوعی رویکردی را برای سرعت بخشیدن به تشخیص بیماران تشخیص داده نشده با شناسایی الگوهایی در پرونده الکترونیکی سلامت آنها ایجاد کردیم که شبیه الگوهای بیمارانی است که به این اختلالات معروف هستند.»
محققان بر مجموعه ای از اختلالات به نام نقص ایمنی متغیر رایج یا CVID تمرکز کردند. این اختلالات اغلب برای سالها یا دههها از تشخیص دور میمانند. اختلالات CVID حدود 1 نفر از هر 25000 نفر را تحت تاثیر قرار میدهد و به طور معمول باعث کمبود آنتیبادی و اختلال در پاسخهای ایمنی در بدن میشود. به گفته محققان، نه تنها اختلالات CVID نادر است، بلکه علائم میتواند بین بیماران بسیار متفاوت باشد و اغلب با بیماریهای شایعتر همپوشانی دارند.
بوت گفت:« علائم بالینی فنوتیپهای ایمنی نادر مانند CVID با بسیاری از تخصصهای پزشکی تلاقی میکند.» بیماران ممکن است برای عفونتهای سینوسی در کلینیکهای گوش، حلق و بینی مراجعه کنند یا در کلینیکهای ریه برای پنومونی درمان شوند. این تقسیم مراقبت در میان متخصصان متعدد منجر به تاخیرهای طولانی در تشخیص و درمان میشود.»
علاوه بر این، اختلالات CVID اغلب توسط تغییرات تنها در یک ژن از بیش از 60 ژن مرتبط با آنها ایجاد میشود. به گفته محققان، این موضوع امکان انجام آزمایش ژنتیکی برای تشخیص قطعی را رد میکند.
برای این مطالعه، محققان یک هوش مصنوعی به نام PheNet (فنت) توسعه دادند. این نام به کلمه "فنوتیپ" اشاره دارد که اصطلاح پزشکی برای ویژگیهای یک بیماری است که در مبتلایان دیده میشود. فنت الگوهای فنوتیپ را از موارد تأیید شده CVID میآموزد و سپس از این برای رتبهبندی خطر ابتلا به این اختلال استفاده میکند. فنت میلیونها پرونده الکترونیکی را بررسی کرد و همه بیماران را از نظر خطر ابتلا به CVID بر اساس آنچه آموخته بود رتبهبندی کرد.
نتایج نشان میدهد حدود 74 درصد از بیماران که PheNet بهعنوان بالاترین خطر ابتلا به CVID رتبهبندی کردهاند، بر اساس بررسیهای بعدی پزشکان، احتمال ابتلا به یکی از این اختلالات را دارند.
بر اساس این نتایج، تیم تحقیقاتی 4 میلیون دلار بودجه از مؤسسه ملی بهداشت برای مطالعه بیشتر برنامه هوش مصنوعی در محیطهای واقعی دریافت کرده است.
Bogdan Pasaniuc، محقق ارشد و استاد پزشکی محاسباتی، ژنتیک و آسیب شناسی، گفت: «ما نشان دادیم که الگوریتمهای هوش مصنوعی مانند PheNet میتوانند با تسریع در تشخیص CVID مزایای بالینی ارائه دهند و انتظار داریم این امر در مورد سایر بیماریهای نادر نیز اعمال شود. ما اکنون در حال بهبود دقت رویکرد خود برای شناسایی بهتر CVID و در عین حال گسترش به سایر بیماریها هستیم. ما همچنین برنامهریزی خواهیم کرد تا به سیستم یاد دهیم که یادداشتهای پزشکی را بخواند تا اطلاعات بیشتری در مورد بیماران و بیماریهای آنها به دست آورد.»