شفقنا – یک مدل هوش مصنوعی که با استفاده از دادههای بیماران آموزش دیده، توانسته است بیماری مزمن کلیه (CKD) را با دقت نزدیک به ۹۹ درصد پیشبینی کند.
به گزارش سرویس ترجمه شفقنا، این پیشرفت میتواند در تشخیص بسیار زودهنگام این بیماری اغلب «خاموش»، نقش کلیدی ایفا کند.
ناحیه ساحلی اودانام (شامل ۱۲۰ روستا در ۵ منطقه) در هند که این مطالعه در آن انجام شده، با نرخ غیرعادی بالای این نوع از بیماری کلیوی مزمن با علت نامعلوم روبروست، که به آن نفرولوژی اودانام گفته میشود.
بسیاری از مبتلایان، ریسک فاکتورهای رایج مانند دیابت یا فشار خون بالا را ندارند. فرضیههای اصلی علت این بیماری شامل آب آشامیدنی آلوده، استفاده شدید از مواد شیمیایی کشاورزی، عوامل ژنتیکی و کمآبی مزمن است.
این بیماری کلیوی یک چالش مهم در سلامت عمومی است و در مراحل اولیه به دلیل نداشتن علائم آشکار، به سختی قابل تشخیص است.
محققان یک مجموعه داده جدید را با استفاده از سوابق سلامت مراکز بالینی منطقه ایجاد کردند و یک مدل یادگیری ماشینی که چندین الگوریتم را با هم ترکیب میکند تا به جای اتکا به یک روش واحد، دقت بالاتری به دست آید را آموزش دادند.
این مدل توانست با دقت نزدیک به ۹۹٪، عملکرد بهتری نسبت به سیستمهای پیشرفته موجود داشته باشد و قابلیت تعمیم قویتری را نشان دهد.
نشانههای کلیدی شناساییشده توسط مدل
با تحلیل ویژگیهای بیماران نشان داد که مدل هوش مصنوعی برای پیشبینی بیماری مزمن کلیوی بر روی سیگنالهای زیر تمرکز میکند:
سن: بیماران عموماً مسنتر بودند (میانگین سنی ۵۲.۱ سال).
قند خون و اوره: بیماران مقادیر میانگین قند خون (۱۸۰.۲۹) و اوره خون (۷۲.۳۰) بالاتری داشتند که این عوامل از تمایزدهندههای اصلی بودند.
بیماریهای همراه: دیابت (۶۰.۴٪)، فشار خون بالا (۶۰.۴٪) و کمخونی (۴۶.۰٪) در بیماران شایع بودند.
فاکتورهای خونی مهم: تفاوتهای آماری قابل توجهی در لنفوسیتها، ائوزینوفیلها، مونوسیتها، کراتینین، بیلیروبین، اسید اوریک و شمارش گلبولهای قرمز مشاهده شد. این سیگنالها همانهایی هستند که مدل برای تشخیص آسیب کلیوی در جمعیت اودانام یاد میگیرد.
این مطالعه که توسط پژوهشگران مؤسسه فناوری Symbiosis و مؤسسه فناوری و مدیریت Aditya رهبری شد، ابزاری دقیق و محلی برای مداخله زودهنگام در این منطقه پرخطر ارائه میدهد.
این خبر را اینجا ببینید.