پیشبینی اثربخشی درمان به کمک هوش مصنوعی

در مطالعهی حاضر محققان با استفاده از هوش مصنوعی به سوالاتی پاسخ خواهند داد که با تعیین میزان اثربخشی درمان و پزشکی شخصی به تحول مطالعات پزشکی کمک خواهد کرد.
پزشک چگونه قادر خواهد بود نتیجهی درمان بیماری را پیشبینی کند؟ بهطور معمول، اثربخشی درمانهای پزشکی را از طریق مطالعاتی با روشهای تصادفی بررسی میکنند که در آن، بیماران مورد مطالعه به صورتی تصادفی به دو گروه تقسیم میشوند؛ درحالیکه، یکی از این دو گروه تحت درمان اصلی قرار میگیرند، گروه دوم پلاسِبو دریافت میکنند. اما آیا واقعا این شیوه تنها راه برای ارزیابی اثربخشی درمان است یا میتوان اثربخشی درمانی را با شیوههای دیگری هم سنجید؟ چگونه میتوان اثربخشی روشهای درمانی را در عمل بررسی کرد؟ آیا ممکن است برخی از بیماران بتوانند از درمانهایی بهره گیرند که دیگران به آنها پاسخ درمانی ندادهاند؟
این مطالعه که توسط تیم مطالعاتی متشکل از محققانی از دانشگاه فنلاند شرقی، بیمارستان دانشگاه کوپیو و دانشگاه آلتو هدایت شده است قصد دارند با اتکاء بر هوش مصنوعی و به کمک مدلسازی براساس روش شبکههای باور (Bayesian network)، این امکان را فراهم آورند که بتوان درمانهای مختلف احتمالی و جایگزین را با یکدیگر مقایسه کرده و بیمارانی را شناسایی نمایند که از این درمانها بهره خواهند برد.
به گفتهی Ryynänen، پروفسور دانشگاه فنلاند شرقی به کمک این روش، راههای جدید و برجستهای برای توسعه و تحول مطالعات پزشکی پیشِرو باز خواهد شد. همچنین این محقق افزود: “ما اکنون قادر خواهیم بود نتایج درمان را به صورت فردی در بیماران پیشبینی کرده و روشهای موجود و نوین درمان را به کمک این روش ارزیابی نمائیم؛ علاوه بر این، این روش این فرصت را به محققان میدهد که بجای استفاده از آزمایشات تصادفی، از مدلسازی برای مطالعات خود استفاده کنند.
اگرچه، میتوان این روش را برای مطالعهی درمانهای دیگری هم به کار گرفت، در پژوهشی که به تازگی منتشر شده، محققان از این روش برای ارزیابی اثربخشی درمان در وقفهٔ تنفسی در خواب (Sleep apnea) استفاده کردند؛ این مطالعه نشان داد که در بیماران مبتلاء به وقفهٔ تنفسی در خواب، درمان فشار جریان هوای همواره مثبت (CPAP)، میزان مرگومیر و وقوع انفارکتوس قلب و خونریزی عروق مغز را در طولانیمدت، ۵ درصد کاهش میدهد. همچنین این مطالعه با استفاده از این روش نشان داد که درمان (CPAP) برای بیمارانی که مبتلاء به بیماری قلبی هستند، اثربخشی کمتری دارد.
☑ لینک خبر
☑ لینک مقاله