ابزارِ هوش مصنوعی که سلامتِ نوزاد رو از طریق جفت تضمین میکنه!

ابزار جدید برای یه چکِ سریعِ جُفت، درست وقتی بچه داره به دنیا میاد

یه سری تحقیقاتِ جدید که دانشمندای دانشگاه نورث‌وسترن و پن استیت انجام دادن، نشون میده که یه ابزاری که از دیدِ ماشینی و هوشِ مصنوعی (AI) استفاده میکنه، ممکنه به دکترا کمک کنه تا بتونن جُفتا رو موقعِ زایمان، یه نِگا بندازن و سریع ارزیابیشون کنن. اینطوری، از مادری و بچه بهتر میشه مراقبت کرد. این مطالعه که سیزدهم دسامبر تو نسخه چاپ‌شده مجله Patterns اومده و صفحه‌ی اولِ مجله‌ست، یه برنامه‌ی کامپیوتری به اسم PlacentaVision رو معرفی میکنه که میتونه یه عکسِ ساده از جفت رو پردازش کنه و اگه مشکلی، مثلاً به خاطرِ عفونت یا سِپسیس نوزادی (یه بیماریِ خطرناک که میلیونها نوزاد تو دنیا درگیرشن) وجود داشته باشه، تشخیص بده.

دکتر جِفری گُلدستاین، یکی از نویسنده‌های این مقاله و رییسِ بخشِ آسیب‌شناسیِ دوره‌ی بارداری تو دانشگاه نورث‌وسترن، میگه: «جفت یکی از چیزاییه که ما تو آزمایشگاه خیلی میبینیم. وقتی بخشِ مراقبت‌های ویژه نوزادان داره از یه بچه مریض مراقبت میکنه، حتی چند دقیقه هم تو تصمیم‌گیری‌ها فرق داره. با این عکس‌ها، ما میتونیم زودتر از روالِ معمولِ خودمون، جواب بگیریم.»

دانشگاه نورث‌وسترن بزرگترین مجموعه‌ی عکس‌ها رو برای این مطالعه فراهم کرده و گُلدستاین هم رهبریِ ساخت و رفعِ ایرادِ الگوریتما رو به عهده داشته. آلیسون دی. گرناند، سرپرستِ اصلیِ این پروژه، ایده اولیه این ابزار رو از کارش تو حوزه سلامت جهانی، مخصوصاً در موردِ بارداری‌هایی که خانوما به خاطرِ کمبودِ امکاناتِ بهداشتی، تو خونه زایمان میکنن، گرفته. اون میگه: «دور انداختنِ جفت، بدون اینکه بررسی‌ش کنن، یه مشکل رایج اما غالباً نادیده گرفته شده است. این یه فرصتِ از دست رفته‌ست برای اینکه نگرانی‌ها رو پیدا کنیم و مداخله‌ی زودهنگام انجام بدیم که بتونه عوارض رو کم کنه و نتیجه رو برای مادر و بچه بهتر کنه.»

چرا بررسیِ سریعِ جفت مهمه

جفت، نقشِ حیاتی تو سلامتِ مادر و بچه تو طولِ بارداری داره، اما معمولاً موقع زایمان، درست و حسابی بررسی نمیشه. مخصوصاً تو جاهایی که امکاناتِ پزشکی کمه. ایمو پان، دانشجوی دکترای رشته‌ی اطلاعات از کالجِ علوم و فناوریِ اطلاعات و نویسنده‌ی اصلی این مطالعه، میگه: «این تحقیق میتونه جونِ آدما رو نجات بده و اوضاعِ سلامتی رو بهتر کنه. این ابزار میتونه بررسیِ جفت رو آسون‌تر کنه و به تحقیقات و مراقبت از بارداریای آینده، خصوصاً برای اون مادرایی که در معرضِ خطرِ بیشتری هستن، کمک کنه.»

شناختن زودهنگامِ عفونتِ جفت، با ابزارهایی مثل PlacentaVision، میتونه به دکترا این امکانو بده که سریع اقدام کنن؛ مثلاً به مادر یا نوزاد، آنتی‌بیوتیک بدن یا نوزاد رو دقیق‌تر زیر نظر داشته باشن تا اگه علائم عفونت دیدن، متوجه بشن. به گفته‌ی دانشمندا، PlacentaVision برای استفاده تو گروه‌های مختلف پزشکی طراحی شده. پان اضافه میکنه: «تو جاهایی که امکانات کمه، مثل جاهایی که بیمارستانا، آزمایشگاهِ پاتولوژی یا متخصص ندارن، این ابزار میتونه به دکترا کمک کنه که سریع مشکلات مثل عفونت‌ها رو از روی جفت تشخیص بدن.»

ابزارِ جدید برای بررسیِ جُفتا تو بیمارستانا

تو بیمارستانای مجهز، این ابزار میتونه به دکترا کمک کنه تا بفهمن کدوم جفتا نیاز به بررسیِ دقیق‌تری دارن. این کار باعث افزایشِ راندمانِ کار و اولویت‌بندیِ مواردِ مهم‌تر میشه.

جیمز ز. وانگ، استادِ برجسته تو کالجِ IST دانشگاه پن استیت و یکی از محققای اصلی این مطالعه، میگه: «قبل از اینکه یه همچین ابزاری تو همه‌ی دنیا استفاده بشه، مشکلای فنیِ اصلی که باهاش روبرو بودیم، شامل انعطاف‌پذیریِ مدل برای مدیریتِ تشخیصای مختلف مربوط به جفت و مطمئن شدن از قابل اعتماد بودنِ ابزار تو شرایط مختلفِ زایمان بود. این شامل تغییرات تو شرایطِ نور، کیفیتِ عکس و محیط‌های بالینی میشه.»

اون اضافه میکنه: «ابزارِ هوش مصنوعیِ ما باید دقتِ خودش رو حفظ کنه، حتی وقتی که خیلی از عکسای آموزشی از یه بیمارستانِ شهریِ مدرن به‌دست اومده باشن. خیلی مهم بود که مطمئن بشیم PlacentaVision میتونه انواعِ مختلفِ شرایطِ واقعی رو مدیریت کنه.»

این ابزار چطوری یاد گرفت که عکسای جفتا رو تجزیه و تحلیل کنه

محققان از یادگیریِ متقابلِ چندمدلی استفاده کردن، یه روشِ هوش مصنوعی برای هماهنگ کردن و فهمیدنِ رابطه‌ی بین انواعِ مختلف داده‌ها؛ تو این مورد، داده‌های تصویری (عکس‌ها) و متنی (گزارش‌های آسیب‌شناسی)؛ تا به یه برنامه‌ی کامپیوتری یاد بدن که چطوری عکسای جفتا رو آنالیز کنه. اونا یه مجموعه‌ی بزرگ و متنوع از عکسای جفت و گزارش‌های آسیب‌شناسی رو، که تو طولِ ۱۲ سال جمع‌آوری شده بود، جمع کردن و بررسی کردن که چطوری این عکسا با نتایجِ سلامتی در ارتباطن و یه مدلی ساختن که میتونه بر اساسِ عکسای جدید، پیش‌بینی کنه.

این تیم همچنین روشای مختلفِ تغییرِ عکس رو درست کرد تا شرایطِ مختلفِ عکاسی رو شبیه‌سازی کنه و اینطوری قابلیتِ انعطاف‌پذیریِ مدل رو درست ارزیابی کنه. نتیجه‌ی این تلاش‌ها، PlacentaCLIP+ شد، یه مدلِ یادگیریِ ماشینیِ قوی که میتونه عکسای جفتا رو بررسی کنه و خطراتِ سلامتی رو با دقتِ بالا تشخیص بده. این مدل به‌طور بین‌المللی تأیید شد تا عملکردِ ثابتِ اون تو جمعیت‌های مختلف، تأیید بشه.

به گفته‌ی محققا، PlacentaVision طوری طراحی شده که استفاده ازش آسون باشه و میتونه از طریق یه اپلیکیشنِ موبایل یا به‌صورتِ یهپارچه تو نرم‌افزارِ پرونده‌های پزشکی کار کنه تا دکترا بعد از زایمان، جوابای سریعی بگیرن.

قدمِ بعد: یه اپلیکیشنِ ساده برای کادرِ درمان

پان میگه: «قدمای بعدیِ ما شامل ساختنِ یه اپلیکیشنِ موبایلِ ساده‌ست که میتونه توسط متخصصای پزشکی، بدون آموزشِ زیاد، تو کلینیکا یا بیمارستانای کم‌امکانات استفاده بشه.» اون اضافه میکنه: «این اپلیکیشن به دکترا و پرستارا این امکان رو میده که از جفتا عکس بگیرن و بازخوردِ فوری دریافت کنن و کیفیتِ مراقبت رو بهتر کنن.»

محققان میخوان این ابزار رو هوشمندتر کنن و انواعِ بیشتری از ویژگی‌های جفت رو توش جا بدن و داده‌های بالینی رو اضافه کنن تا پیش‌بینی‌ها بهتر بشه و همچنین به تحقیقات تو موردِ سلامتیِ درازمدت کمک کنه. اونا همچنین این ابزار رو تو بیمارستانای مختلف امتحان میکنن تا مطمئن بشن که تو شرایطِ گوناگون کار میکنه.

جرناند میگه: «این ابزار پتانسیل داره که نحوه بررسیِ جفتا بعد از زایمان رو عوض کنه، مخصوصاً تو جاهایی از دنیا که این بررسی‌ها به‌ندرت انجام میشه. این نوآوری قولِ رسیدن به خدماتِ بیشتر رو هم تو محیطای کم‌امکانات و هم تو محیطای پرامکانات میده. با اصلاحاتِ بیشتر، این ابزار میتونه مراقبت‌های نوزادان و مادرا رو متحول کنه و مداخلاتِ زودهنگام و شخصی‌سازی‌شده‌ای رو ممکن کنه که از بروزِ عواقبِ جدیِ سلامتی جلوگیری میکنه و زندگیِ مادرا و نوزادا رو تو سراسرِ دنیا بهتر میکنه.»

این تحقیق با حمایتِ مؤسسه ملیِ بهداشت و مؤسسه ملیِ تصویربرداریِ بیومدیکال و مهندسیِ بیومدیکال (گرنت R01EB030130) انجام شده. تیم از امکاناتِ ابررایانه‌ایِ برنامه‌ی اکوسیستمِ هماهنگیِ زیرساختِ سایبریِ پیشرفته (ACCESS) که توسط بنیادِ ملیِ علوم تأمین شده، استفاده کرده.