امکان پیش‌بینی دقیق شناسایی ابتلا به کرونا با هوش مصنوعی

دکتر ناصر کامیاری در گفت‌وگو با ایسنا اظهار کرد: در دوران پر التهاب همه‌گیری کرونا، یکی از بزرگ‌ترین دغدغه‌ها برای کادر درمان، شناسایی بیمارانی بود که بیشتر در معرض خطر مرگ قرار داشتند. بر این اساس پژوهشی را بنده و همکارانم با استفاده از هوش مصنوعی و تحلیل‌های آماری پیشرفته، به شناسایی عوامل موثر بر مرگ‌ومیر بیماران کرونایی پرداختیم.

وی افزود: در این پژوهش که به بررسی داده‌ها و اطلاعات مربوط به ۱۰۶۳ بیمار مبتلا به کرونا پرداخته شد، مشخص شد عواملی مانند سن بالا، وجود بیماری‌های زمینه‌ای مانند دیابت و فشارخون، علائمی مانند تنگی‌نفس و اختلال حواس، تاثیر بسیار زیادی در پیش‌بینی مرگ بیماران کوویدی دارند. در مقابل، مصرف داروهایی مثل رمدسیویر، فاویپیراویر و مکمل زینک باعث بهبود وضعیت این بیماران می‌شود.

عضو هیات علمی دانشگاه علوم پزشکی آبادان گفت: نکته جالب و قابل توجه در این پژوهش آن بود که نتایج آزمایشگاهی دقت پیش‌بینی بسیار بالاتری نسبت به اطلاعات بالینی یا سوابق بیماران داشتند.

وی بیان کرد: با در اختیار داشتن داده‌هایی دقیق، کامل و متنوع‌ می‌توان با کمک آمار و هوش مصنوعی به پیش‌بینی‌هایی بسیار دقیق و ارزشمند در رابطه با بیماری کووید -۱۹و همچنین بسیاری از پیامدهای حیاتی دیگر نظیر سکته مغزی، سرطان و نارسایی قلبی پرداخت.