پیش‌بینی احتمال ابتلا به عوارض طولانی‌مدت کووید ۱۹ با یک آزمایش
تاریخ انتشار: ۷ مهر ۱۴۰۱ | کد خبر: ۳۶۰۹۹۹۱۵
نتایج آخرین مطالعه محققان کالج دانشگاهی لندن نشان می‌دهد آزمایش خونی که افراد در زمانی که مبتلا به کووید-۱۹ هستند، انجام می‌دهند، می‌تواند پیش‌بینی کند که آیا احتمال ابتلا به مشکلات سلامتی طولانی‌مدت پس از بیماری در این افراد وجود دارد یا خیر.
به گزارش ایسنا و به نقل از اسکای، نتایج یک مطالعه جدید نشان می‌دهد آزمایش خونی که افراد در هنگام ابتلا به کووید-۱۹ انجام می‌دهند، می‌تواند پیش‌بینی کند که آیا احتمال ابتلا به مشکلات سلامتی طولانی‌مدت برای آنها وجود دارد یا خیر.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
محققان کالج دانشگاهی لندن در این مطالعه سطوح بیش از ۹۰ پروتئین خون را در ۵۴ کارمند بخش مراقبت‌های بهداشتی مبتلا به کووید-۱۹ و یک گروه کنترل شده از کارکنان سالم را بررسی و با یکدیگر مقایسه کردند.
آنها دریافتند که چندین پروتئین به طور چشمگیری تا ۶ هفته، حتی در افرادی که علائم خفیف دارند، مختل می‌شوند.
محققان پیش‌بینی کردند که ۲۰ نفر از آنها علائم پایداری را تا یک سال بعد تجربه خواهند کردند که بیشتر آنها با فرآیندهای ضد لخته شدن و ضد التهابی مرتبط بودند.
محققان سپس از یک الگوریتم هوش مصنوعی (AI) برای اسکن پروتئین‌ها در نمونه‌های خون استفاده کردند و با موفقیت ۱۱ کارمند بخش بهداشتی را که علائم کووید طولانی‌مدت در آنها وجود داشت، شناسایی کردند.
دکتر وندی هیوود(Wendy Heywood)، یکی از محققان کالج دانشگاهی لندن، گفت: اگر بتوانیم افرادی را که احتمال ابتلا به کووید طولانی‌مدت را دارند، شناسایی کنیم، راه به روی توسعه آزمایش‌های درمانی مانند داروهای ضد ویروسی در این مرحله اولیه هموار می‌شود.
دیگر محققان این مطالعه گفتند که آزمایش خون باید در یک مطالعه بزرگتر تأیید شود تا مطمئن شوند که الگوریتم هوش مصنوعی به درستی کار می‌کند.
یافته‌های این مطالعه در مجله "Lancet eBioMedicine" منتشر شد.
انتهای پیام
منبع: ایسنا
کلیدواژه: آزمايش خون کووید 19 همه باهم علیه کرونا کروناویروس احتمال ابتلا طولانی مدت کووید ۱۹ پیش بینی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.isna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۰۹۹۹۱۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ساعت هوشمندی که اختلال در ریتم قلب را زودتر از وقوع پیش‌بینی می‌کند
با برنامه‌ریزی گنجاندن این مدل در یک تلفن همراه هوشمند به طوری که بتواند داده‌های یک ساعت هوشمند را تجزیه و تحلیل کند می‌توان از آن به عنوان یک سیستم هشدار اولیه استفاده کرد.
به گزارش ایسنا، شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی (AF) است که به طور قابل توجهی مراجعات بخش اورژانس و خطر بیماری‌های دیگر مانند سکته مغزی و زوال عقل را افزایش می‌دهد. این عارضه زمانی اتفاق می‌افتد که حفره‌های فوقانی قلب یا دهلیز‌ها به‌طور آشفته‌ای می‌تپند و با حفره‌های پایینی یا بطن‌ها هماهنگ نیستند و ریتم قلبی نامنظم و اغلب بسیار سریعی ایجاد می‌کنند.
بازگرداندن بیمار از فیبریلاسیون دهلیزی به ریتم منظم سینوسی می‌تواند به مداخلات فشرده‌ای مانند کاردیوورژن و وارد کردن شوک کم انرژی نیاز داشته باشد. بنابراین، تشخیص یک دوره از فیبریلاسیون دهلیزی قبل از وقوع، مداخلات اولیه را امکانپذیر می‌کند که ممکن است نتایج درمان بیمار را بهبود بخشد.
محققان مرکز سیستم‌های زیست‌پزشکی لوکزامبورگ (LCSB) در دانشگاه لوکزامبورگ مطالعه‌ای را منتشر کرده‌اند که در آن یک مدل یادگیری عمیق برای پیش‌بینی دقیق و ۳۰ دقیقه زودتر از وقوع فیبریلاسیون دهلیزی آموزش دیده است.
در حال حاضر، الکتروکاردیوگرافی (ECG) یا نوار قلب فقط می‌تواند فیبریلاسیون دهلیزی را درست قبل از وقوع آن تشخیص دهد، بنابراین نمی‌توان آن را یک سیستم هشدار اولیه در نظر گرفت.
خورخه گونکالوز (Jorge Goncalves)، نویسنده مسئول این مطالعه می‌گوید: ما از داده‌های ضربان قلب برای آموزش یک مدل یادگیری عمیق استفاده کردیم که می‌تواند مراحل مختلف مانند ریتم سینوسی، پیش فیبریلاسیون دهلیزی و فیبریلاسیون دهلیزی را تشخیص دهد و احتمال خطر ابتلا به یک اتفاق قریب‌الوقوع را محاسبه کند.
این مدل هشدار فیبریلاسیون دهلیزی (Warning of Atrial fibRillatioN) یا وارن (WARN) نامیده می‌شود، بر روی ضبط ۲۴ ساعته نوار قلب که از ۳۵۰ بیمار در بیمارستان تانگجی، چین جمع آوری شده بود، آموزش داده و آزمایش شد. داده‌ها توسط متخصصین قلب به عنوان ریتم سینوسی، پیش فیبریلاسیون دهلیزی و فیبریلاسیون دهلیزی دسته‌بندی شدند.
برای آموزش مدل برای تشخیص علائم پیش از فیبریلاسیون دهلیزی، محققان از تنوع در فاصله بین امواج در نوار قلب به عنوان منبع اصلی داده استفاده کردند.
با جمع‌آوری نمونه‌های ۳۰ ثانیه‌ای هر ۱۵ ثانیه، مدل یادگیری عمیق احتمال بروز فیبریلاسیون دهلیزی قریب الوقوع را محاسبه کرد. در داده‌های آزمایش، وارن شروع فیبریلاسیون دهلیزی را به‌طور متوسط ۳۱ دقیقه و ۳۳ دقیقه قبل از وقوع، به ترتیب با دقت ۸۳ و ۷۳ درصد پیش‌بینی کرد.
مارینو گاویدیا (Marino Gavidia) نویسنده اول مطالعه می‌گوید: مدل ما با استفاده از فواصل امواج R به R، عملکرد بالایی دارد که می‌توان این داده‌ها را از ضبط کننده‌های سیگنال پالس ساده و مقرون به صرفه مانند ساعت‌های هوشمند دریافت کرد.
محققان پیش‌بینی می‌کنند که این دستگاه می‌تواند در تلفن‌های هوشمند برای پردازش داده‌های به‌دست‌آمده از یک ساعت هوشمند استفاده شود. هدف در درازمدت این است که بیماران بتوانند به طور مداوم ریتم قلب خود را کنترل کنند و به اندازه کافی هشدار دریافت کنند تا بتوانند از درمان‌هایی مانند داروهای ضد آریتمی خوراکی برای جلوگیری از شروع فیبریلاسیون دهلیزی استفاده کنند؛ و محققان می‌گویند، این فناوری را می‌توان شخصی‌سازی کرد.
این مطالعه در مجله Patterns منتشر شده است.
منبع: ایسنا
باشگاه خبرنگاران جوان علمی پزشکی فناوری
تصادف مرگبار در محور دره شهر-بدره ۴ کشته برجای گذاشت