پژوهشگران آمریکایی در بررسی جدید خود، از یک الگوریتم یادگیری ماشینی برای پیش‌بینی آسیب مغزی استفاده کردند و دریافتند که این الگوریتم می‌تواند پیش‌بینی‌های بسیار دقیقی انجام دهد.
نوزادان تازه متولد شده و یا کودکان مبتلا به مشکلات قلبی و ریوی، برای زنده ماندن تلاش می‌کنند و پزشکان اغلب برای زنده نگه داشتن این کودکان از ریه‌های مصنوعی استفاده می‌کنند. این درمان موسوم به “اکسیژناسیون غشایی برون‌پیکری” (ECMO)، زندگی‌های بی‌شماری را نجات داده است اما در برخی موارد می‌تواند به آسیب مغزی بلندمدت نیز منجر شود.
گروهی از پژوهشگران “مرکز پزشکی دانشگاه تگزاس شعبه جنوب‌غربی” (UT Southwestern) در بررسی جدید خود نشان داده‌اند که یک الگوریتم یادگیری ماشینی می‌تواند احتمال ابتلا به آسیب مغزی ناشی از اکسیژناسیون غشایی برون‌پیکری در نوزادان و کودکان را دقیق‌تر از پزشکان پیش‌بینی کند.
“لاکشمی رامان” (Lakshmi Raman)، سرپرست این پژوهش گفت: پزشکان همیشه درکی در مورد افرادی که در خطر هستند، دارند اما ما در حال حاضر داده‌های خوبی برای مشخص کردن این که چه عواملی باعث آسیب مغزی ناشی از اکسیژناسیون غشایی برون‌پیکری می‌شود، در اختیار نداریم. من باور ندارم که بتوانیم این آسیب‌ها را به طور کامل برطرف کنیم اما امیدوارم که بتوانیم پیش‌بینی‌های بهتری در مورد افرادی که در خطر هستند، داشته باشیم.
اکسیژناسیون غشایی برون‌پیکری، خون را از بدن خارج می‌کند تا به حذف دی‌اکسید کربن آن بپردازد، اکسیژن را به آن اضافه کند و خون را گرم نگه دارد تا دوباره به بدن بازگردانده شود. این روش درمان هم برای کودکان و هم برای بزرگسالان به کار می‌رود اما بیشتر بیمارانی که تحت این درمان قرار می‌گیرند، نوزادان هستند.
بسیاری از افرادی که با روش اکسیژناسیون غشایی برون‌پیکری، تحت درمان قرار می‌گیرند، به پیامدهای مغزی دچار می‌شوند اما پزشکان هنوز دلیل آن را به طور کامل متوجه نشده‌اند. رامان گفت: من علاقه داشتم تا بدانم که آیا ما می‌توانیم با کمک یک الگوریتم یادگیری ماشینی، بر این مشکلات غلبه کنیم و به پیش‌بینی بروز آسیب مغزی در بیماران بپردازیم.
پژوهشگران در این پروژه، داده‌های مربوط به ۱۷۴ بیمار کمتر از ۱۸ سال را به کار بردند که ۷۰ نفر از آنها نوزادانی بودند که کمتر از سی روز سن داشتند. این بیماران بین سال‌های ۲۰۱۰ تا ۲۰۱۹ در “مرکز پزشکی کودکان دالاس” (Children’s Medical Center Dallas) تحت درمان قرار گرفته بودند. پژوهشگران، تصاویر مربوط به سی‌تی اسکن و ام‌آرآی همه بیماران را مورد بررسی قرار دادند. آسیب مغزی با کمک اسکن در ۵۱ درصد بیماران شناسایی شد.
داده‌های مربوط به هر بیمار از جمله سن، وزن، جنسیت، داروها، نوع اکسیژناسیون غشایی برون‌پیکری انجام شده، دلیل ابتدایی به کارگیری این روش درمانی و مدت زمان استفاده از آن را در یک برنامه یادگیری ماشینی وارد کردند که برای شناسایی الگوها در پایگاه داده طراحی شده است.
این مدل رایانه‌ای توانست در پیش‌بینی آسیب مغزی پس از درمان با اکسیژناسیون غشایی برون‌پیکری، ۷۳ درصد حساسیت داشته باشد و احتمال آسیب مغزی را در ۶۱ بیمار پیش‌بینی کند.
این مدل پیش‌بینی قرار نیست به زودی مورد استفاده قرار بگیرد. پژوهشگران قصد دارند بررسی‌های بیشتری انجام دهند که بیماران تحت درمان با روش اکسیژناسیون غشایی برون‌پیکری را در مراکز درمانی دیگر نیز ارزیابی کند.
این پژوهش، در “Journal of Clinical Medicine” به چاپ رسید.