توسط پژوهشگران دانشگاهی محقق شد
تشخیص زودهنگام تب مالت با فرمول های ریاضی!
مطب نما: بیماری ˮبروسلوزیسˮیا ˮتب مالتˮ، ازجمله بیماری هایی است كه با مصرف محصولات لبنی ناسالم به افراد منتقل می شود. پژوهشگران كشور برای تشخیص بموقع این بیماری، استفاده از یك مدل شبكه عصبی مصنوعی را مورد استفاده قرار داده و به موفقیت های خوبی دست یافته اند.
به گزارش مطب نما به نقل از ایسنا، بروسلوزیس یا تب مالت یک بیماری با قدرت درگیرکردن چند ارگان است که در موارد شدید و حاد خودرا به صورت یک بیماری تب دار (ناگهانی و یا تدریجی) نشان میدهد. ولی در صورت عدم تشخیص و درمان بموقع و مناسب، بیماری ادامه یافته و می تواند به سمت یک بیماری مزمن و ناتوان کننده با عوارض شدید و گاهی مرگ بار پیش رفت کند. معمولاً شدت این بیماری در کسانی که به دفعات با دام ها در تماس هستند و بطور دائمی با باکتری بروسلا تماس دارند خفیف و ملایم است. این بیماری به سبب ایجاد سقط جنین در دام، کاهش تولید شیر، عقیمی و نازایی دام های مبتلا و همین طور به سبب ابتلای انسان به بیماری تب مالت، همیشه از دو بعد اقتصادی و بهداشتی مورد توجه قرار می گیرد.
تب مالت بیماری است که بگفته پژوهشگران بیشتر در جوانان دیده می شود و در افراد با سن بالا، فراوانی کمتری دارد. سودمندترین آزمون بررسی پاسخ درمانی در بروسلوز، اندازه گیری عیار آزمونی به نام 2ME است. هرچند تعداد کمی از بیماران ممکنست بطور خودبه خودی خوب شوند، اما تشخیص و درمان زودهنگام در بیماری تب مالت یک اصل مهم می باشد، چونکه هر چه درمان دیرتر شروع شود، احتمال بروز عوارض و عود آن بیش تر می شود. برمبنای مطالعات، تأخیر بیش از 30 روز در شروع درمان، موجب عوارض بسیاری خواهد شد و تقریباً هر عضوی از بدن ممکنست به این باکتری آلوده شود. به همین دلیل تشخیص سریع و آغاز به موقع درمان آن از اهمیت بالایی برخوردارست.
در همین رابطه، پژوهشگرانی از دانشگاه ولیعصر (عج) رفسنجان و دانشگاه علوم پزشکی این شهر، پژوهشی را انجام داده اند که در آن برای تشخیص بیماری بروسلوزیس، از شبکه های عصبی مصنوعی استفاده شده است.
در این مطالعه توصیفی-تحلیلی، موارد بروسلوز انسانی برمبنای فاکتورهای جنس، سن، بارداری، سابقه تماس با دام و استفاده از مواد غیرپاستوریزه لبنی در طول سه سال از شهرستان رفسنجان واقع در جنوب ایران جمع آوری شده و مورد تحلیل قرار گرفتند و از روش شبکه عصبی مصنوعی «آتوانکو در عمیق» برای هر زیرمجموعه استفاده شد.
نتایج این پژوهش نشان میدهد که مدل شبکه عصبی مصنوعی عمیق می تواند بعنوان یک روش کارآمد و هوشمند برای تشخیص موارد بروسلوز انسانی به کار گرفته شود.
بگفته علی فیاضی، محقق گروه مهندسی برق دانشگاه ولیعصر (عج) رفسنجان و همکارانش، «روش مورد مطالعه ما به صحت حدود 85 درصد و حساسیت 62 درصدی در پیش بینی موارد بیماری بروسلوزیس دست یافت، پس نتایج تجربی، عملکرد دقیق شبکه عصبی را در تشخیص بیماری بروسلوز نشان می دهد».
آنها ادامه می دهند: «بااین حال مطالعه و پژوهش های بیشتری برای طراحی مدلهای دیگر از شبکه های عصبی مصنوعی برمبنای یادگیری عمیق جهت تشخیص سایر بیمارهای عفونی مورد نیاز است».
برمبنای یافته های این پژوهش که در نشریه «انفورماتیک سلامت و زیست پزشکی» انتشار یافته اند، می توان از مدل یاد شده بعنوان یک ابزار مناسب در تشخیص بموقع بیماری بروسلوزیس بهره برد.
نشریه فوق به صورت فصل نامه توسط مرکز تحقیقات انفورماتیک پزشکی دانشگاه علوم پزشکی کرمان انتشار می یابد.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب