همهگیری کووید-۱۹ بیش از ۱۰۰ میلیون نفر را در سراسر جهان آلوده کرده و سیستمهای اقتصادی و بهداشتی را به شدت تحتفشار قرار داده است. به گزارش ایسنا، به دلیل تعداد زیاد بیماران، پرسنل پزشکی خسته و محدود و منابع پزشکی ناکافی، شناسایی سریع بیماران مبتلابه کووید ۱۹ که در خطر مرگومیر بالا قرار دارند، بسیار مهم است تا بتوان میزان مرگومیر این بیماران را کاهش داد. در این بیماران، تجویز داروهای مناسب بر اساس وضعیت بیمار و مراقبتهای ویژه و بهموقع ضروری است؛ اما اغلب پزشکان قادر به پیشبینی دقیق وضعیت بیماران مبتلابه کووید ۱۹ نیستند.
به همین دلیل نیاز به یک سیستم دقیق و سریع برای پیشبینی مرگومیر این بیماران وجود دارد و مدلسازی آماری و روشهای یادگیری ماشین میتواند در تشخیص الگوهای پیچیده کمک کند.
یکی از روشها برای پیشبینی وضعیت بیماران مبتلابه کووید ۱۹، استفاده از تصاویر سیتیاسکن ریه بیماران است و با استفاده از هوش مصنوعی بر اساس شدت درگیری ریه، وضعیت بیماران پیشبینی میشود. ولی تصاویر سیتیاسکن در مراحل اولیه اطلاعات کافی برای پیشبینی وضعیت بیمار را ندارند و همچنین اشعه ایکس دارای عوارض جانبی است.
بر همین اساس پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، یک سیستم جدید ارائه دادند که بر اساس آن با استفاده از اطلاعات جمعیتشناختی بیماران، علائم حیاتی و دادههای آزمایشگاهی خون، وضعیت بیماران مبتلابه کووید ۱۹ ازنظر مرگ یا زنده ماندن پیشبینی شود.
در این مطالعه که بر روی ۲۴۴ بیمار در بیمارستان مسیح دانشوری انجام شد، اطلاعات موردنیاز که معمولاً در روز اول مراجعه بیماران به بیمارستان جمعآوری میشود، موردبررسی قرار گرفت.
برای پیشبینی نتایج مرگومیر، دو گروه نجاتیافته و مرگ تعریف شد. گروه نجاتیافته بیمارانی مبتلابه کووید ۱۹ بودند که پس از اتمام درمان مرخص شدند و دو نتیجه PCR منفی پیاپی داشتند. گروه مرگ نیز شامل بیمارانی بود که در هر مرحله از دوره درمان، فوت کرده بودند. درمجموع ۱۱۵ بیمار (حدود ۴۷ درصد) بهعنوان مرگ و ۱۲۹ بیمار (حدود ۵۳ درصد) بهعنوان نجاتیافته دستهبندی شدند.
دادههایی از قبیل اطلاعات جمعیتشناختی مانند سن و جنسیت، سابقه بیماری، علائم حیاتی و نتایج آزمایش خون شامل تستهای شمارش کامل خون، انعقاد، کلیه، کبد، گاز خون و ... در هشت گروه طبقهبندی شدند و موردبررسی قرار گرفتند.
نتایج این بررسی نشان داد که در گروه ویژگیهای شمارش سلولهای خون مواردی مانند RDW (عرض توزیع گلبولهای قرمز)، MCH (میانگین هموگلوبین)، MCHC (میانگین غلظت هموگلوبین هر ذره) و MCV (میانگین حجم هر ذره) بیشترین توانایی پیشبینی را داشتند. همچنین ۲ Spo یا فشار جزئی اکسیژن در علائم حیاتی دارای قدرت پیشبینی زیادی بود.
در این مطالعه عنوان شد که ترکیب ویژگیهای شمارش کامل سلولهای خونی، علائم حیاتی و گروههای انعقادی دارای بالاترین قدرت پیشبینی مرگومیر (بیش از ۹۶ درصد) است.
پژوهشگران این تحقیق میگویند که پزشکان میتوانند با استفاده از نتایج این تحقیق و بررسی این ویژگیها در بیماران، تصمیمات آسانتر و دقیقتری برای پیشبینی نتیجه مرگومیر بیماران کووید ۱۹ اتخاذ کنند.
در انجام این تحقیق احمد شالباف، نسرین امینی، هادی چوبدار، مهدی مهدوی، عاطفه عابدینی و رضا لشکری؛ پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با یکدیگر مشارکت داشتند.