به گزارش سیناپرس، بر اساس یافته های مطالعه جدیدی که اخیرا در سطح جهانی منتشر شده است، دانشمندان یک مدل یادگیری ماشینی را ابداع کرده اند که با استفاده از یک نمونه خون منفرد از یک بیمار مبتلا به کووید 19 و تجزیه و تحلیل پروتئین های پلاسمای آن می تواند میزان بقای فرد مورد نظر را به ویژه در موارد شدید بیماری با دقت بالایی تخمین بزند.
امروزه سیستم‌های مراقبت‌های بهداشتی در سرتاسر جهان، تلاش ویژه ای دارند تا تعداد زیادی از بیماران مبتلا به کووید 19 را که به شدت از این بیماری رنج می برند و به مراقبت‌های پزشکی ویژه نیاز داشته و در معرض میزان خطر بالا شناسایی می شوند، پذیرش کنند.
اما در این خصوص، برنامه های مربوط به ارزیابی‌های بالینی خطر در پزشکی مراقبت‌های ویژه، مانند SOFA یا APACHE II، تنها قابلیت اطمینان محدودی را در پیش‌بینی پیامدهای بیماری فوق برای کووید 19 نشان می‌دهند و نیاز به برنامه های قوی تر احساس می شود.
حالا در مطالعه جدیدی که توسط دانشمندان بیمارستان دانشگاهی چاریته آلمان انجام شده است، محققان سطوح 321 پروتئین را در نمونه‌های خونی که در 349 نقطه زمانی از 50 بیمار مبتلا به کووید 19 در دو مرکز مراقبت‌های بهداشتی مستقل در آلمان و اتریش تحت درمان بودند، مورد بررسی قرار دادند و برای این کار از یک رویکرد یادگیری ماشین برای یافتن ارتباط بین پروتئین های اندازه گیری شده و بقای بیمار استفاده شد.
بر اساس یافته های این تحقیق، محققان موفق به شناسایی 14 پروتئین شدند که با گذشت زمان، برای بیمارانی که زنده می‌مانند به شکلی موثرتر عمل می کنند. به گزارش خبرگزاری sinapress، آن ها نتیجه گرفته اند که آزمایش‌های پروتئین خون و تجزیه و تحلیل دقیق آن ها با مدل های یادگیری ماشین، اگر در گروه‌های بزرگ‌تر نیز تأیید شوند، می توانند هم در شناسایی بیمارانی که در معرض بالاترین خطر مرگ‌ومیر هستند و هم برای آزمایش این که آیا یک درمان معین، مسیر پیش‌بینی شده یک بیمار را تغییر می‌دهد یا خیر، مفید باشند.
گفتنی است این یافته ها را مجله دسترسی آزاد و معتبر جهانی، PLOS Digital منتشر کرده است.
نویسنده: محمدرضا دلفیه