طراحی سیستم هوش مصنوعی برای تشخیص سکته مغزی توسط دانشجویان شریف
جمعی از دانشجویان بیوانفورماتیک و هوش دانشگاه صنعتی شریف با بهره‌گیری از هوش مصنوعی سیستمی را طراحی کردند که به پزشکان کمک می‌کند تشخیص و مدیریت سکته مغزی را سریع‌تر و دقیق‌تر انجام دهند.
به گزارش خبرگزاری مهر به نقل از دانشگاه صنعتی شریف، یک تیم پنج نفره متشکل از دانشجویان بیوانفورماتیک و هوش دانشگاه صنعتی شریف با هدایت و راهنمایی‌های دکتر حمیدرضا ربیعی عضو هیئت علمی دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف، دکتر عمادالدین فاطمی‌زاده عضو هیئت علمی دانشکده مهندسی برق دانشگاه صنعتی شریف و دکتر احسان شریفی‌پور عضو هیئت علمی دانشگاه شهید بهشتی، با بهره‌گیری از هوش مصنوعی سیستمی را طراحی کرده‌اند که به پزشکان کمک می‌کند تشخیص و مدیریت سکته مغزی را سریع‌تر و دقیق‌تر انجام دهند.
این فناوری که در مرحله پایلوت قرار دارد، امید تازه‌ای برای افزایش سرعت درمان بیماران و کاهش آسیب‌های ناشی از تأخیر در تشخیص به همراه دارد.
ابوالفضل ملک احمدی، دانشجوی کارشناسی‌ارشد بیوانفورماتیک دانشگاه صنعتی شریف با اشاره به اهمیت این پروژه و تأثیر آن بر روند درمان بیماران سکته مغزی گفت: سکته مغزی یکی از عوامل اصلی مرگ‌ومیر در ایران است و روزانه حدود ۴۰۰ نفر به این عارضه دچار می‌شوند.
با وجود تأکید بر "ساعات طلایی" درمان، یعنی چهار تا شش ساعت اولیه پس از سکته، نبود پزشک متخصص در لحظه و عدم یکپارچگی در فرآیندهای تصویربرداری پزشکی منجر به تأخیر در روند درمان می‌شود که می‌تواند آسیب‌های جبران‌ناپذیری به بیمار وارد کند.
وی افزود: سیستمی که طراحی کرده‌ایم، با گردآوری داده‌های تصویربرداری از بیمار شامل سی‌تی‌اسکن، ام‌آرآی و آنژیوگرافی، امکان دسترسی پزشکان متخصص را از راه دور فراهم می‌کند.
این فناوری با کمک الگوریتم‌های هوش مصنوعی، تصاویر مغزی بیمار را به‌صورت خودکار تحلیل کرده و اطلاعات حیاتی درباره شدت سکته، میزان آسیب و محل دقیق درگیری مغز را ارائه می‌دهد.
این ابزار به پزشکان کمک می‌کند تا در کمترین زمان ممکن تصمیم‌گیری کرده و بهترین روند درمان را انتخاب کنند.
ملک‌احمدی درباره مکانیسم عملکرد این سیستم توضیح داد و گفت: این نرم‌افزار علاوه بر یکپارچه‌سازی داده‌های بیمار، امکان مانیتورینگ فرآیند درمان را نیز فراهم کرده است.
پزشک می‌تواند با انتخاب یک الگوریتم مانیتورینگ از میان گزینه‌های موجود، روند درمان بیمار را بهینه‌سازی کند.
این قابلیت، تصمیم‌گیری در مورد روش‌های درمانی از جمله دارو درمانی، مداخلات پزشکی یا روش‌های جراحی را تسریع می‌کند.
وی در خصوص مراحل اجرایی این پروژه گفت: در حال حاضر، نسخه MVP (محصول اولیه) این سیستم در بیمارستان‌های شهدای تجریش، گلستان قم، الزهرا اصفهان و برخی بیمارستان‌های دیگر در حال بررسی است.
اگر این مرحله موفقیت‌آمیز باشد، با حمایت مسئولین و پس از جذب سرمایه، روند تجاری‌سازی آن آغاز شده و این فناوری می‌تواند به‌طور گسترده در بیمارستان‌های سراسر کشور به کار گرفته شود.
ملک‌احمدی در پایان تصریح کرد: هدف ما این است که هوش مصنوعی را به ابزاری کارآمد برای پزشکان تبدیل کنیم تا نه‌تنها روند تشخیص سریع‌تر انجام شود، بلکه دقت تصمیم‌گیری در مراحل درمان بیماران سکته مغزی نیز افزایش یابد.
در آینده قصد داریم الگوریتم‌های سیستم را بهبود داده و دامنه کاربرد آن را در سایر بیماری‌ها نیز گسترش دهیم.
امیدواریم این فناوری بتواند نقشی مهم در کاهش مرگ‌ومیر و افزایش کیفیت زندگی بیماران ایفا کند.