✍🏻طراحی سیستم پایش و پیش‌بینی ایست ناگهانی قلب

ایست قلبی ناشی از سپسیس یک رویداد شایع با نرخ نجات پایین است. پیش‌بینی زود هنگام ایست قلبی زمان لازم برای انجام مداخلات ضروری جهت پیشگیری از وقوع ایست قلبی را فراهم می‌آورد.

دکتر سمانه لایقیان که این پژوهش را در قالب رساله دکتری تخصصی در رشته مهندسی فناوری اطلاعات (سیستم‌های اطلاعاتی) انجام داده است، گفت: از آنجا که پزشکان نمی‌توانند به طور مداوم خطر ایست قلبی برای همه بیماران تحت مراقبت را بررسی کنند، خودکارسازی جمع‌آوری و تحلیل داده‌های سلامت و اعلام هشدارهای لازم به بیمار و پزشک می‌تواند گام بزرگی در کاهش میزان مرگ و میر و هزینه‌ها باشد.

لایقیان تشریح کرد: در این راستا ۳۰ ساعت از داده‌های بالینی بیماران سپسیس از پایگاه داده MIMIC III استخراج شد (۷۹ مورد ایست قلبی، ۴۵۳۲ رکورد نرمال) و سه مجموعه داده چندمتغیره، سری زمانی و ترکیب چند متغیره و سری زمانی ایجاد شد مدل‌های یادگیری ماشین مختلف، با رویکردی سیستماتیک بر این سه مجموعه داده آموزش یافتند. نهایتاً استفاده از روش یادگیری عمیق نتایج بهتری تولید کرد.

📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI