یکی از محققان آمریکایی روشی برای بکارگیری هوش مصنوعی جهت تشخیص عفونت های روده از جمله وبا ایجاد کرد.
به گزارش تک ناک، بسیاری از بیماری ها وجود دارند که به طور بالقوه می توانند از طریق مدفوع انسان تشخیص داده شوند و یکی از این بیماری ها عفونت ها وبا است.
وبا یک بیماری باکتریایی است که موجب اسهال می شود و سالانه میلیون ها نفر را مبتلا می کند.این بیماری هر ساله منجر به مرگ 150هزار نفر در سراسر جهان می شود.
وبا از طریق غذا و آب آلوده منتقل می شود.بیماری های همه گیری که باکتری ها را پخش میکنند به آلودگی مدفوعی ناشی از آب و غذا مرتبط هستند.هم چنین این بیماری ها می توانند از طریق صدفهای خام و سایر عفونتهای مرتبط با غذاهای دریایی نیز سرایت کنند.
وبا توسط باکتری ویبریو کلرا ایجاد می شود
وبا یک بیماری اسهالی است که در اثر عفونت روده توسط باکتری ویبریو کلرا ایجاد می شود.اگرچه عفونت ناشی از این بیماری اغلب خفیف است،اما در برخی موارد می تواند خطرناک نیز باشد.به گفته مرکز کنترل و پیشگیری از بیماری (CDC)،از هر 10 نفر مبتلا به وبا، یک نفر علائم شدیدی را تجربه می کند که می تواند شامل تشنگی، بی قراری و اسهال باشد.
علائم کم آبی در زمانی که بیمار مبتلا به اسهال است نیز می تواند راجع به ابتلا به وبا هشدار بدهد.علائم ابتلا شامل ضربان قلب سریع و فشار خون پایین است.افراد مبتلا به وبا ممکن است دچار کم آبی شدید شوند که می تواند منجر به نارسایی کلیه و مرگ شود.
برای اینکه بیماران مبتلا به وبا درمان شوند،در ابتدا باید بدانند که به این بیماری مبتلا هستند.با این حال،تشخیص بیماری های روده، مانند وبا، می تواند یک کار حساس و دشوار باشد.
مایا گاتلین، مهندس محقق در موسسه فناوری جورجیا،راهی برای بکارگیری هوش مصنوعی برای تشخیص اسهال ایجاد کرد.او مقاله ی خود را “فرضیه ی مدفوع” نامید.
حسگر غیر تهاجمی میکروفون با قابلیت تشخصی بیماری های روده
گتلین روز گذشته مقاله و ابزار حسگری که در موردش گفته بود را در نشست سالانه انجمن آکوستیک آمریکا ارائه کرد و یافته های خود را در مورد چگونگی استفاده از یادگیری ماشینی برای تشخیص بیماری های روده توضیح داد.
او از یک حسگر میکروفون غیرتهاجمی برای شناسایی بیماریهای روده استفاده میکند،بدون اینکه لزوما اطلاعات قابل شناسایی را جمعآوری کند،به این معنی که این هوش مصنوعی این قابلیت را دارد که عفونت را بدون نیاز به معاینه در یک مرکز پزشکی برای بدست آوردن دادههای اضافی تشخیص دهد.
این روش شامل استفاده از میکروفون و یادگیری ماشینی برای تشخیص اسهال است.گاتلین و تیم تحقیقاتیاش تکنیک حسگر را روی فایلهای صوتی از منابع آنلاین آزمایش کردند.همه نمونه های صوتی از دفع یا حرکت روده به یک طیف نگار تبدیل شدند که صدا را در یک تصویر ضبط می کند.
انواع مختلف دفع ویژگی های متفاوتی را در صدا و طیف نگار ایجاد می کند.صداهای ناشی از اسهال،صداهای تصادفی بیشتری را برای محققان ایجاد کردند.بعد از این، تصاویر طیف نگار به عنوان ورودی در الگوریتم یادگیری ماشین قرار گرفتند.سپس عملکرد الگوریتم در برابر دادهها،با نویز و بدون نویز پسزمینه مورد آزمایش قرار گرفت تا محققان مطمئن شوند که بدون توجه به محیط،می تواند اطلاعاتی را برای تفسیر صداها با استفاده از حسگر به دست آورد.
گاتلین میخواهد از حسگر هوش مصنوعی در مکانهایی استفاده کند که عفونتهای روده مانند وبا شایع است.گاتلین گفت: امیدواریم که این حسگر که ردپای کوچکی دارد و رویکرد آن نیز غیرتهاجمی است، بتواند در مناطقی که شیوع وبا یک خطر دائمی تلقی می شود،قرار بگیرد.
همچنین این حسگر میتواند در مناطق بسیار آلوده(جایی که آلودگی آب منجر به انتشار پاتوژنهای موجود در آب میشود) یا حتی در مراکز مراقبت های پرستاری و خدماتپزشکی برای نظارت خودکار بر حرکات روده بیماران استفاده شود.
گاتلین همواره امیدوار است که در آینده استفاده از این حسگر را در خانه ها نیز ببیند تا افراد از طریق حرکات روده سلامتی خود را آزمایش کنند.او اظهار داشت که شاید روزی، الگوریتم ما بتواند با استفاده از دستگاه های هوشمند موجود در خانه برای نظارت بر حرکات روده و سلامت افراد مورد استفاده قرار بگیرد.
