ابزار هوش مصنوعی؛ تشخیص سریع مشکلات مادر و نوزاد

ابزار جدیدی برای ارزیابی سریع جفت در زمان زایمان

طبق تحقیقات جدیدی که توسط دانشمندان دانشگاه نورث‌وسترن و دانشگاه پن استیت انجام شده، ابزاری که از بینایی کامپیوتری و هوش مصنوعی (AI) بهره می‌برد، ممکن است به پزشکان کمک کند تا جفت‌ها را در زمان زایمان به سرعت ارزیابی کنند و در نتیجه مراقبت‌های نوزادی و مادری را بهبود بخشند. این مطالعه که در تاریخ ۱۳ دسامبر در نسخه چاپی مجله Patterns منتشر شده و بر روی جلد این مجله قرار گرفته، برنامه‌ای کامپیوتری به نام PlacentaVision را توصیف می‌کند که می‌تواند یک عکس ساده از جفت را تحلیل کند و ناهنجاری‌های مرتبط با عفونت و سپسیس نوزادی، وضعیت تهدیدکننده زندگی که میلیون‌ها نوزاد را در سطح جهانی تحت تأثیر قرار می‌دهد، شناسایی کند.

دکتر جفری گلدستین، نویسنده همکار این مطالعه و مدیر پاتولوژی پری‌ناتال در دانشگاه نورث‌وسترن، گفت: “جفت یکی از رایج‌ترین نمونه‌هایی است که ما در آزمایشگاه مشاهده می‌کنیم. زمانی که واحد مراقبت‌های ویژه نوزادان در حال درمان یک کودک بیمار است، حتی چند دقیقه می‌تواند در تصمیم‌گیری‌های پزشکی تفاوت ایجاد کند. با تشخیص از این عکس‌ها، می‌توانیم چند روز زودتر از روند عادی خود به پاسخ برسیم.”

دانشگاه نورث‌وسترن بزرگ‌ترین مجموعه تصاویر را برای این مطالعه فراهم کرده و گلدستین رهبری توسعه و عیب‌یابی الگوریتم‌ها را بر عهده داشته است. آلیسون دی. گرناند، محقق اصلی پروژه، ایده اولیه این ابزار را از طریق کارهای خود در زمینه سلامت جهانی، به‌ویژه در مورد بارداری‌هایی که زنان به دلیل کمبود منابع بهداشتی در خانه زایمان می‌کنند، مطرح کرده است. او گفت: “دور انداختن جفت بدون بررسی یک مشکل رایج اما غالباً نادیده گرفته شده است. این یک فرصت از دست رفته برای شناسایی نگرانی‌ها و ارائه مداخله زودهنگام است که می‌تواند عوارض را کاهش دهد و نتایج را برای مادر و نوزاد بهبود بخشد.”

چرا بررسی زودهنگام جفت اهمیت دارد

جفت نقش حیاتی در سلامت فرد باردار و نوزاد در طول بارداری ایفا می‌کند، اما اغلب در زمان زایمان به‌طور کامل بررسی نمی‌شود، به‌ویژه در مناطقی که منابع پزشکی محدودی دارند. یمو پان، دانشجوی دکترا در برنامه اطلاعات از کالج علوم و فناوری اطلاعات و نویسنده اصلی این مطالعه، گفت: “این تحقیق می‌تواند جان‌ها را نجات دهد و نتایج سلامتی را بهبود بخشد. این ابزار می‌تواند بررسی جفت را در دسترس‌تر کند و به تحقیقات و مراقبت از بارداری‌های آینده، به‌ویژه برای مادران و نوزادانی که در معرض عوارض بیشتری هستند، کمک کند.”

شناسایی زودهنگام عفونت جفت از طریق ابزارهایی مانند PlacentaVision ممکن است به پزشکان این امکان را بدهد که اقدامات فوری انجام دهند، مانند تجویز آنتی‌بیوتیک برای مادر یا نوزاد و نظارت دقیق بر نوزاد برای نشانه‌های عفونت، به گفته دانشمندان. طبق گفته محققان، PlacentaVision برای استفاده در گروه‌های مختلف پزشکی طراحی شده است. پان افزود: “در مناطق با منابع کم — جاهایی که بیمارستان‌ها آزمایشگاه‌های پاتولوژی یا متخصص ندارند — این ابزار می‌تواند به پزشکان کمک کند تا به سرعت مشکلاتی مانند عفونت‌ها را از جفت شناسایی کنند.”

ابزار جدید برای بررسی جفت‌ها در بیمارستان‌ها

در بیمارستان‌های مجهز، این ابزار می‌تواند به پزشکان کمک کند تا مشخص نمایند کدام جفت‌ها نیاز به بررسی دقیق‌تری دارند. این امر موجب افزایش کارایی فرآیند و اولویت‌بندی موارد مهم‌تر خواهد شد.

جیمز ز. وانگ، استاد برجسته در کالج IST دانشگاه پن استیت و یکی از محققان اصلی این مطالعه، گفت: “قبل از اینکه چنین ابزاری به‌طور جهانی مورد استفاده قرار گیرد، موانع فنی اصلی که با آن مواجه بودیم شامل انعطاف‌پذیری مدل برای مدیریت تشخیص‌های مختلف مرتبط با جفت و اطمینان از قابلیت اطمینان ابزار در شرایط مختلف زایمان بود. این شامل تغییرات در شرایط نوری، کیفیت تصویر و محیط‌های بالینی می‌شود.”

او افزود: “ابزار هوش مصنوعی ما باید دقت خود را حفظ کند، حتی زمانی که بسیاری از تصاویر آموزشی از یک بیمارستان شهری مدرن به‌دست آمده‌اند. اطمینان از اینکه PlacentaVision می‌تواند طیف وسیعی از شرایط واقعی را مدیریت کند، ضروری بود.”

چگونه این ابزار یاد گرفت تا تصاویر جفت‌ها را تحلیل کند

محققان از یادگیری متقابل چندمدلی استفاده کردند، یک روش هوش مصنوعی برای هم‌راستا کردن و درک روابط بین انواع مختلف داده‌ها – در این مورد، داده‌های بصری (تصاویر) و متنی (گزارش‌های پاتولوژیک) – تا به یک برنامه کامپیوتری آموزش دهند که چگونه تصاویر جفت‌ها را تحلیل کند. آن‌ها یک مجموعه داده بزرگ و متنوع از تصاویر جفت و گزارش‌های پاتولوژیک را که در طول ۱۲ سال جمع‌آوری شده بود گردآوری کردند و بررسی کردند که چگونه این تصاویر با نتایج سلامتی مرتبط هستند و مدلی ساختند که می‌تواند پیش‌بینی‌هایی بر اساس تصاویر جدید انجام دهد.

این تیم همچنین استراتژی‌های مختلف تغییر تصویر را توسعه داد تا شرایط مختلف عکاسی را شبیه‌سازی کند و به این ترتیب قابلیت مقاومت مدل به‌درستی ارزیابی شود. نتیجه این تلاش‌ها، PlacentaCLIP+ بود، یک مدل یادگیری ماشین قوی که می‌تواند تصاویر جفت‌ها را تحلیل کرده و خطرات سلامتی را با دقت بالا شناسایی کند. این مدل به‌صورت بین‌المللی اعتبارسنجی شد تا عملکرد ثابت آن در جمعیت‌های مختلف تأیید شود.

به گفته محققان، PlacentaVision به‌گونه‌ای طراحی شده است که استفاده از آن آسان باشد و می‌تواند از طریق یک اپلیکیشن موبایل یا به‌صورت یکپارچه در نرم‌افزار سوابق پزشکی کار کند تا پزشکان بتوانند پس از زایمان پاسخ‌های سریعی دریافت کنند.

گام بعدی: اپلیکیشن کاربرپسند برای کادر پزشکی

پان گفت: “گام‌های بعدی ما شامل توسعه یک اپلیکیشن موبایل کاربرپسند است که می‌تواند توسط متخصصان پزشکی – با حداقل آموزش – در کلینیک‌ها یا بیمارستان‌های کم‌منابع استفاده شود.” او افزود: “این اپلیکیشن به پزشکان و پرستاران این امکان را می‌دهد که از جفت‌ها عکس بگیرند و بازخورد فوری دریافت کنند و کیفیت مراقبت را بهبود بخشند.”

محققان قصد دارند این ابزار را هوشمندتر کنند و انواع بیشتری از ویژگی‌های جفت را شامل کرده و داده‌های بالینی را برای بهبود پیش‌بینی‌ها اضافه کنند و همچنین به تحقیقات در مورد سلامتی درازمدت کمک کنند. آن‌ها همچنین این ابزار را در بیمارستان‌های مختلف آزمایش خواهند کرد تا اطمینان حاصل کنند که در شرایط متنوع کار می‌کند.

جرناند گفت: “این ابزار پتانسیل تغییر نحوه بررسی جفت‌ها پس از زایمان را دارد، به‌ویژه در مناطقی از جهان که این بررسی‌ها به‌ندرت انجام می‌شود. این نوآوری وعده دستیابی به خدمات بیشتر را در هر دو محیط کم‌منابع و پرمنابع می‌دهد. با اصلاحات بیشتر، این ابزار می‌تواند مراقبت‌های نوزادان و مادران را متحول کند و مداخلات زودهنگام و شخصی‌سازی‌شده‌ای را امکان‌پذیر کند که از بروز نتایج جدی سلامتی جلوگیری کرده و زندگی مادران و نوزادان را در سراسر جهان بهبود بخشد.”

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