تشخیص احتمال ابتلا به اختلالات خواب با هوش مصنوعی
تاریخ انتشار: ۲۵ فروردین ۱۴۰۲ | کد خبر: ۳۷۵۲۷۲۶۸
اختلال در خواب، نوعی بیماری است که منجر به تغییر در برنامه خواب می‌شود. اختلال خواب رایج مانند بی خوابی، سندرم پای بیقرار و آپنه خواب می‌توانند همه جنبه‌های زندگی فرد از جمله ایمنی، روابط اجتماعی، عملکرد مدرسه و کار، تفکر، سلامت روان، وزن و خطر ابتلا به بیماری‌هایی مثل دیابت یا بیماری‌های قلبی را تحت تاثیر قرار دهند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
شیوع اختلال خواب نسبت به دهه‌های گذشته به طور قابل توجهی افزایش یافته است؛ درک بهتر و معکوس کردن این روند رو به رشد از آنجایی حائز اهمیت است که اختلالات خواب یکی از عوامل خطر اصلی برای ابتلا به دیابت، بیماری قلبی، چاقی و افسردگی محسوب می‌شوند.
محققان دانشگاه نورث وسترن برای این مطالعه، از مدل یادگیری ماشینی XGBoost برای تجزیه و تحلیل داده‌های حدود ۸ هزار بیمار در ایالات متحده استفاده کردند. به طور کلی، ۲ هزار نفر از این افراد، طبق تشخیص پزشک، از اختلالات خواب رنج می‌بردند. یافته‌ها نشان داده اند که XGBoost می‌تواند خطر ابتلا به اختلالات خواب را با دقت بالایی پیش بینی کند.
دانشمندان اظهار داشتند: آنچه این مطالعه را از سایر تحقیقاتی که در رابطه با بی خوابی صورت گرفته اند متمایز می‌کند، این است که نقش هر یک از عوامل موثر مثل افسردگی، سن، مصرف کافئین، سابقه نارسایی احتقانی قلب، درد قفسه سینه، بیماری عروق کرونر، بیماری کبد و چندین متغیر دیگر که با بی خوابی مرتبط هستند را به صورت دقیقی پیش بینی می‌کند.
یافته‌های تحقیقاتی در مجله PLOS ONE منتشر شده اند.
باشگاه خبرنگاران جوان علمی پزشکی کلينيکمنبع: باشگاه خبرنگاران
کلیدواژه: اختلالات خواب هوش مصنوعی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.yjc.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «باشگاه خبرنگاران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۵۲۷۲۶۸ 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:
محققان: با هوش مصنوعی می‌توان آرتروز را ۸ سال زودتر پیش‌بینی کرد
به گزارش Livescience و براساس مقاله منتشرشده در Science Advances، محققان می‌گویند با آزمایش خون می‌توان آرتروز زانو را در افرادی که هنوز علائمی در آنها ایجاد نشده است و تا هشت سال قبل از اینکه اشعه ایکس قادر به تشخیص تغییرات در استخوان‌های آنها باشد، شناسایی کرد. در این پژوهش، محققان خون ۲۰۰ فرد را که در اولین نمونه‌گیری از خونشان هیچ علامتی از آرتروز نداشتند، تجزیه‌وتحلیل کردند.
تشخیص زودهنگام آرتروز با استفاده از آزمایش خون
استئوآرتریت (Osteoarthritis) یا آرتروز شایع‌ترین شکل آرتریت است و بیش از ۳۲.۵ میلیون بزرگسال در ایالات‌متحده به آن مبتلا هستند. این بیماری در ابتدا به‌عنوان یک بیماری «ساییدگی» شناخته می‌شد؛ زیرا زمانی رخ می‌دهد که غضروف داخل یک مفصل (معمولاً در دست‌ها و زانوها) از بین می‌رود. این امر باعث می‌شود استخوان زیرین در طول زمان تغییر کند و منجر به درد، سفتی و تورم شود.
بااین‌حال، اکنون شواهد نشان می‌دهد که نوعی التهاب می‌تواند محرک اصلی آسیب مفصلی در آرتروز باشد. این بدان معناست که نوعی «بیومارکر» (زیست‌نشانگر) یا علامت قابل اندازه‌گیری در بدن وجود دارد که می‌تواند نشان دهد که این بیماری مدت‌ها قبل از اینکه آسیب ساختاری قابل تشخیص باشد، شروع می‌شود.
محققان در این پژوهش از مجموعه خون ۲۰۰ فرد استفاده کردند؛ این افراد درواقع از سال ۱۹۸۹ به‌صورت سالانه از نظر استئوآرتریت مورد ارزیابی قرار می‌گرفتند. حدوداً ده سال بعد، نیمی از این افراد به آرتروز مبتلا شدند. به همین دلیل می‌توان بیومارکر‌های این افراد را طی سال‌های مختلف سنجید.
محققان با استفاده از هوش مصنوعی، شش پروتئین را در نمونه‌های خون افراد شناسایی کردند که نشان می‌دهد فرد به استئوآرتریت مبتلا می‌شود یا خیر. این پروتئین‌ها هشت یا چهار سال قبل از تشخیص با پرتو ایکس، در خون آنها مشاهده شده بود.
با تشخیص این پروتئین‌ها، می‌توان با دقت ۷۷ درصد تشخیص داد که آیا فرد در آینده به آرتروز مبتلا می‌شود یا خیر. این روش در مقایسه با دقت حدود ۵۰ درصدی روش‌های مبتنی بر وزن و سن و همچنین دقت ۵۷ درصدی روش‌های مبتنی بر درد زانو، رقم خوبی محسوب می‌شود.
باشگاه خبرنگاران جوان علمی پزشکی فناوری
گزارشگر قديمى راديو دار فانى را وداع گفت