احمد شالباف دانشیار گروه مهندسی پزشکی دانشگاه علوم پزشکی شهید بهشتی، درمورد این مطرح گفت: شیوع بیماری کووید ۱۹ به شدت در سرتاسر جهان ترویج یافت و با افزایش مداوم تعداد موارد قبول شده و متوفی به یک نگرانی بهداشت جهانی تبدیل شد. این بیماری، اقتصاد و زیرساخت‌های مراقبت‌های بهداشتی را در سراسر جهان به نحوه چشمگیری دچار مشکل کرد و اندام‌هایی همانند ریه‌ها، قلب، کلیه‌ها و دستگاه گوارش را مقصد قرار می‌دهد. شدت طیف این بیماری از خفیف بدون علامت تا مشکلات تنفسی جدی با تنگی نفس، هیپوکسیمی و سندرم زجر تنفسی حاد (ARDS) متغیر است.

او گفت: سندرم زجر تنفسی حاد، یک حالت شدید از التهاب ریه است که جهت کم‌اکسیژنی یا هیپوکسی می‌شود و سطح بالایی از مرگ‌ومیر را به همراه دارد. این بیماران برای مراقبت مناسب باید به قسمت مراقبت‌های اختصاصی (ICU) مراجعه کنند و نیاز به دستگاه ونتیلاتور دارند.

به حرف های این پژوهشگر، عوامل مختلفی می‌توانند علتبیماری شدیدتر یا پیامدهای ضعیف بیماری باشند. این عوامل را می‌توان به ویژگی‌های دموگرافی، علائم حیاتی و داده‌های آزمایشگاهی طبقه‌بندی کرد.

شالباف، عوامل دموگرافی مرتبط با شدت بیماری را سن، جنس، چاقی، سابقه مصرف سیگار و حالت اقتصادی، این چنین بیماری‌های عرصه‌ای همانند دیابت، سختی خون بالا، بیماری مزمن ریه، سرطان، بیماری مزمن کلیه و بیماری‌های قلبی عروقی دانست و او گفت: دمای بدن، سطح اشباع اکسیژن خون، حداکثر و حداقل سختی خون، ضربان قلب و نرخ مقدار تنفس هم از عوامل حیاتی‌ای است که باید در جریان این بیماری مورد بازدید قرار گیرد.

وی تصریح کرد: در این مطالعه، مقصد ما ابداع یک سامانه پیش‌بینی سریع و اتوماتیک مدل پیشرفت بیماری کووید ۱۹ از روی اطلاعات دموگرافی، بالینی و آزمایشگاهی با منفعت گیری از راه حلهای هوش مصنوعی پیشرفته از جمله منفعت گیری از الگوریتم شبکه عصبی عمیق با دقت و حساسیت بالا بوده است. به عبارت دیگر در این تحقیق با یافتن ربط بین متغیرهای جدا گانه با تشدید بیماری، از آن‌ها به‌گفتن فاکتورهای اختصاصی‌ پیش‌بینی‌کننده برای شدت بیماران کرونایی منفعت بردیم. پیش‌بینی زودهنگام حالت بیماران مبتلا به کووید ۱۹ می‌تواند با تخصیص منبع های و برنامه‌ریزی درمانی، خطر مرگ‌ومیر را در این بیماران افت دهد.

شالباف پافشاری کرد: مدل ما مبتنی بر داده‌هایی است که در روز اول پذیرفتن بیمار جمع‌آوری شده است. چون یک مدل پیش‌بینی‌کننده هنگامی‌ایده‌آل و سودمند خواهد می بود که در روز ابتدای پذیرفتن بیمار، مقدار پیشرفت بیماری رو پیش‌بینی کند. چرا که این زمان، وقتی است که باید توسط تیم پزشکی تصمیم‌گیری شود که بیمار نیازی به بستری و مراقبت‌های اختصاصی دارد یا خیر و تخت‌های بیمارستان رو برای بیماران با شدت بحرانی ذخیره کند.

به گزارش مرکز ارتباطات و خبر‌رسانی معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست جمهوری، این محقق و پژوهشگر در ادامه فرمود: از آنجا که در زمان اغاز این مطرح، هیچ تحقیق جامعی در رابطه پیش‌بینی مقدار شدت بیماری کووید ۱۹ گزارش نشده می بود؛ لذا مقصد این پژوهش، منفعت گیری از الگوریتم‌های متفاوت هوش مصنوعی و یادگیری ماشین به‌خصوص راه حلهای یادگیری عمیق به‌منظور تعیین پیش‌بینی مقدار شدت بیماری کووید ۱۹ از روی اطلاعات دموگرافی، بالینی و آزمایشگاهی می بود که خوشبختانه محقق شد.