تشخیص سریعِ خطر در جفت: انقلابی نو در مراقبت از مادر و نوزاد

ابزار نوین برای ارزیابی سریع جفت در زمان زایمان

ابزاری که اخیراً ساخته شده و از ترکیب بینایی رایانه‌ای و هوش مصنوعی (AI) بهره می‌بره، می‌تونه به پزشکا کمک کنه تا جفت رو تو زمان زایمان، سریع‌تر بررسی کنن و در نتیجه، مراقبت‌های بهتری از مادر و نوزاد بشه. این یافته‌ها، حاصل کار محققین دانشگاه‌های نورث‌وسترن و پن استیت هستش. یه مطالعه که ۱۳ دسامبر توی مجله Patterns چاپ شد و حتی عکسش روی جلد مجله هم رفت، به بررسی یه برنامه کامپیوتری به اسم PlacentaVision پرداخته. این برنامه می‌تونه یه عکس ساده از جفت رو تحلیل کنه و ناهنجاری‌هایی که مربوط به عفونت و سپسیس نوزادی هستن رو تشخیص بده. سپسیس یه بیماری خطرناکه که زندگی رو تهدید می‌کنه و میلیون‌ها نوزاد تو سراسر دنیا رو درگیر کرده.

دکتر جفری گلدستین، یکی از نویسنده‌های این مطالعه و مدیر پاتولوژی دوران بارداری در دانشگاه نورث‌وسترن، می‌گه: “جفت یکی از رایج‌ترین نمونه‌هایی هست که ما توی آزمایشگاه می‌بینیم. وقتی بخش مراقبت‌های ویژه نوزادان داره یه بچه مریض رو درمان می‌کنه، حتی چند دقیقه هم می‌تونه توی تصمیم‌گیری‌های پزشکی خیلی مهم باشه. با تشخیص از روی این عکسا، می‌تونیم چند روز زودتر از روال معمول به جواب برسیم.”

دانشگاه نورث‌وسترن، بزرگترین مجموعه عکس‌ها رو برای این مطالعه فراهم کرد و گلدستین، مسئولیت توسعه و رفع اشکال الگوریتم‌ها رو به عهده داشت. آلیسون د. گرناند، که محقق اصلی این پروژه بود، ایده اولیه این ابزار رو از تحقیقاتش تو حوزه بهداشت جهانی گرفت. به خصوص در مورد بارداری‌هایی که زن‌ها به خاطر کمبود امکانات بهداشتی، تو خونه زایمان می‌کنن. اون می‌گه: “دور انداختن جفت بدون بررسی، یه مشکل رایجه که اغلب نادیده گرفته می‌شه. این یه فرصت از دست رفته‌ست برای شناسایی نگرانی‌ها و انجام مداخلات زودهنگام که می‌تونه عوارض رو کم کنه و نتایج رو برای مادر و نوزاد بهتر کنه.”

اهمیت بررسی زودهنگام جفت

جفت، نقش خیلی مهمی تو سلامت مادر و بچه تو دوران بارداری داره. اما معمولاً تو زمان زایمان، کامل بررسی نمی‌شه، مخصوصاً تو مناطقی که امکانات پزشکی محدوده. ایمو پان، دانشجوی دکترا تو رشته اطلاعات و فناوری از دانشکده علوم و فناوری اطلاعات و نویسنده اصلی این مقاله، گفت: “این تحقیق می‌تونه جون آدما رو نجات بده و نتایج سلامتی رو بهتر کنه. این ابزار می‌تونه بررسی جفت رو در دسترس‌تر کنه و به تحقیقات و مراقبت‌های بارداری‌های آینده کمک کنه، به‌ویژه برای مادران و نوزادانی که بیشتر در معرض خطر عوارض هستن.”

به گفته محققین، شناسایی زودهنگام عفونت جفت با ابزارهایی مثل PlacentaVision، می‌تونه به پزشکا کمک کنه تا سریعاً اقدام کنن. مثلاً آنتی‌بیوتیک برای مادر یا نوزاد تجویز کنن و نوزاد رو دقیق‌تر از نظر علائم عفونت، تحت نظر بگیرن. پژوهشگرا میگن که PlacentaVision برای استفاده تو گروه‌های مختلف پزشکی طراحی شده. پان اضافه کرد: “تو جاهایی که امکانات کمه – یعنی بیمارستان‌ها، آزمایشگاه‌های پاتولوژی یا متخصص ندارن – این ابزار می‌تونه به پزشکا کمک کنه تا مشکلات جفت، مثل عفونت‌ها رو، سریع تشخیص بدن.”

ابزار جدید برای آنالیز جفت‌ها در بیمارستان‌ها

تو بیمارستان‌های مجهز، این ابزار می‌تونه به پزشکا کمک کنه تا مشخص کنن کدوم جفتا نیاز به بررسی‌های دقیق‌تری دارن. این کار باعث می‌شه که فرآیند کارآمدتر بشه و به اولویت‌بندی موارد مهم‌تر کمک می‌کنه.

جیمز ز. وانگ، استاد برجسته کالج IST دانشگاه پن استیت و یکی از محققای اصلی این مطالعه، گفت: “قبل از اینکه بتونیم از این ابزار به‌طور گسترده استفاده کنیم، یه سری مشکلات فنی وجود داشت. مثلاً باید مدل رو انعطاف‌پذیر می‌کردیم تا بتونه تشخیص‌های مختلف مربوط به جفت رو انجام بده و همچنین مطمئن می‌شدیم که ابزار می‌تونه شرایط مختلف زایمان، مثل تغییرات نور، کیفیت تصویر و محیط‌های بالینی رو به خوبی مدیریت کنه.” اون اضافه کرد: “ابزار هوش مصنوعیمون باید دقت خودش رو حفظ کنه، حتی وقتی که عکسای آموزشی زیادی از یه بیمارستان مجهز شهری گرفته شده. خیلی مهم بود که مطمئن بشیم PlacentaVision می‌تونه شرایط واقعی و متنوع رو مدیریت کنه.”

یادگیری ابزار برای تحلیل تصاویر جفت‌ها

محققان از یادگیری متضاد چندمدلی، که یه روش هوش مصنوعیه برای هماهنگ کردن و درک ارتباط بین انواع مختلف داده‌ها (تو این مورد، تصویری و متنی) استفاده کردن. هدف این بود که به یه برنامه کامپیوتری یاد بدن چطور تصاویر جفت‌ها رو تحلیل کنه. اونا یه مجموعه داده بزرگ و متنوع از تصاویر جفت و گزارش‌های پاتولوژی رو که طی ۱۲ سال جمع‌آوری شده بود، جمع‌آوری کردن. بعد بررسی کردن که این تصاویر با نتایج سلامتی چه ارتباطی دارن و یه مدل ساختن که بتونه بر اساس تصاویر جدید، پیش‌بینی کنه.

تیم تحقیقاتی، استراتژی‌های مختلفی رو برای تغییر تصاویر توسعه داد تا شرایط مختلف عکاسی شبیه‌سازی بشه و بتونن مقاومت مدل رو ارزیابی کنن. نتیجه این تلاش‌ها، PlacentaCLIP+ بود؛ یه مدل یادگیری ماشینی قوی که می‌تونه تصاویر جفت‌ها رو تحلیل کنه و خطرات سلامتی رو با دقت بالا شناسایی کنه. این مدل تو سطح بین‌المللی معتبر شناخته شد تا عملکرد ثابتش تو جمعیت‌های مختلف تأیید بشه.

به گفته محققین، PlacentaVision طوری طراحی شده که استفاده ازش آسون باشه و احتمالاً از طریق یه اپلیکیشن موبایل یا به‌صورت یکپارچه با نرم‌افزارهای سوابق پزشکی کار می‌کنه تا پزشکا بتونن بعد از زایمان، سریع جواب بگیرن.

مرحله بعد: یه اپلیکیشن کاربرپسند برای کادر درمان

پان گفت: “قدم‌های بعدی ما شامل ساخت یه اپلیکیشن موبایل کاربرپسنده که بتونه توسط متخصصین پزشکی – با کمترین آموزش – تو کلینیک‌ها یا بیمارستان‌های کم‌امکانات استفاده بشه.” اون اضافه کرد: “این اپلیکیشن کاربرپسند، به پزشکا و پرستارا این امکان رو می‌ده که از جفت‌ها عکس بگیرن و بازخورد فوری دریافت کنن و کیفیت مراقبت رو بهتر کنن.”

محققان قصد دارن این ابزار رو با اضافه کردن ویژگی‌های بیشتر برای جفت و اطلاعات بالینی، باهوش‌تر کنن و به تحقیقات در زمینه سلامت طولانی‌مدت کمک کنن. اونا همچنین این ابزار رو تو بیمارستان‌های مختلف آزمایش می‌کنن تا مطمئن بشن که تو شرایط مختلف، خوب کار می‌کنه.

گرناند گفت: “این ابزار پتانسیل اینو داره که نحوه بررسی جفت‌ها رو بعد از زایمان، به‌خصوص تو مناطقی که این بررسی‌ها به ندرت انجام می‌شه، تغییر بده. این نوآوری، نوید دسترسی بیشتر رو تو هر دو محیط کم‌امکانات و پُرامکانات می‌ده. با پیشرفت‌های بیشتر، این ابزار می‌تونه مراقبت‌های مادر و نوزاد رو متحول کنه و مداخلات زودهنگام و شخصی‌سازی شده‌ای رو فراهم کنه که از مشکلات جدی سلامتی جلوگیری می‌کنه و زندگی مادران و نوزادان رو تو سراسر دنیا بهتر می‌کنه.”

این تحقیق با حمایت مؤسسه ملی بهداشت و مؤسسه ملی تصویربرداری زیست‌پزشکی و مهندسی زیست‌پزشکی (گرنت R01EB030130) انجام شده. تیم تحقیقاتی همچنین از منابع ابررایانه‌ای برنامه اکوسیستم هماهنگی زیرساخت سایبری پیشرفته (ACCESS) که توسط بنیاد ملی علوم تأمین مالی شده، استفاده کرد.