کرونا ویروس یا کووید 19

کرونا ویروس یا کووید ۱۹

کرونا ویروس یا کووید ۱۹

محققان در زمینه هوش مصنوعی و دیپ مایند (Deepmind) در تلاش هستند تا گسترش ساختارهای پروتینی موسوم به کرونا ویروس یا کووید ۱۹

را با استفاده از هوش مصنوعی و الگوریتم های تفکر عمیق یا deepmind شناسایی نمایند.

منابع بسیار گسترده ای وجود دارند که بیانگر توسعه سریع تست های آزمایشگاهی این پاتوژن  جدید بوده

و بنابراین محققان در تلاش هستند تا سیستم های دیپ مایند را برای پیش بینی ساختارهای پروتئینی

متصل با ویروس سارس – کووید ۱۹، ارتقا دهند.

این سیستم ها اخیرا، به نام دیپ مایند شناسایی گردیده اند و از فناوری های یادگیری مدل سازی آزاد یا free modeling

برای تشخیص پروتئین یا شناسایی ساختارهای پروتئینی استفاده نموده و بنابراین هیچ ساختاری

از پروتئین های مشابه ، تا کنون در پایگاه داده این الگوریتم، ثبت و ضبط نگردیده است.

با گسترش ویروس کرونا در سراسر جهان، بسیاری از محققان آزمایشگاهی در تلاش هستنند

تا پاتوژن های این وریروس را شناسایی نموده و ساختارهای قابل پیش بینی این پروتئین ها را در محیط آزمایشگاهی شبیه سازی نمایند.

محققان تفکر عمیق یا deep mind

محققان تفکر عمیق یا deep mind نیز در این زمینه از سیستم هایی موسوم به AlpaFold بهره گرفتند

که البته هنوز قادر نبودند کاملا و با دقت مناسبی، ساختارهای پروتئینی ویروس کرونا را شناسایی نمایند.

این الگوریتم، توانایی دقت مناسبی را برای پیش بینی ساختار پروتئینی ویروس سارس و کووید ۲ داشتند

ولی در زمینه ویروس کرونای جدید سال ۲۰۱۹، هنوز نتوانستند که به دقت خوبی دست یابند.

علاوه براین، پیش بینی ساختار پروتئینی در سیستم آلفا فولد برای شش پروتئین دیگر انجام شده است

که شامل غشای پروتئینی، پروتئین ۳a، Nsp2 ، Nsp4 و Nsp6 وساختارهای مشابه پروتئیناز می شود.

همه ساختارهای پیش بینی شده این پروتئین ها، از نظر آزمایشی، با گونه های آزمایشگاهی موجود در جهان، اعتبار سنجی گردیده اند.

تشخیص صحیح ویروس کرونا

تشخیص صحیح ویروس کرونا، نیازمند غربالگری تعداد زیادی از افرادی است که مبتلا به علایم ذات الریه (پنومونی) ویروسی هستند

و به این ترتیب شاید محققان و پزشکان بتوانند روش های درمانی مناسبی را

برای کنترل گسترش ویروس کورونا ( کووید ۱۹) ، به دست آورند.

تست های پاتوژنی آزمایشگاهی، برای تشخیص در سطح استاندارد جهانی کار می کنند

ولی در بسیاری موارد ، استفاده از این تست ها بسیار زمان بر بوده و ممکن است نتایج مثبت کاذب ارائه دهند.

تصاویر سی تی یا توموگرافی محاسباتی (computed tomography)

تصاویر سی تی یا توموگرافی محاسباتی (computed tomography) ابزار مناسبی برای تشخیص ویروس کرونا به شمار میرود.

به همین ترتیب تصاویر سی تی اسکن معمولی نیز ممکن است به غربالگری زودهنگام نمونه های مشکوک

به ویروس کرونا کمک شایان توجهی نماید.

تصاویر نشان دهنده پنومونی متفاوت ویروسی هستند که در برخی جنبه ها با هم مشابهت داشته و ممکن است

بسیاری از علایم سایر بیماری های عفونی و التهابی ریوی را نیز پوشش دهند.

فناوری های هوش مصنوعی مثل یادگیری عمیق یا deep learning ، ممکن است قادر به استخراج ویژگی های گرافیکی کووید ۱۹ باشند

و به همین ترتیب بسیاری از ویژگی های بالینی بیماران را تشخیص خواهند داد.

به هرحال، هنوز مقاله معتبری در این خصوص منتشر نشده است که با استناد

برآن محققان بتوانند روش های تحقیقاتی خود را گسترش دهند.

فرایندهای مطالعاتی ما بیانگر این است که فناوری های هوش مصنوعی را می توانیم به تصاویر سی تی اسکن ارجاع دهیم

تا به طور موثر، قادر به غربالگری بیماران مبتلا به کووید ۱۹ باشیم.

محققان هوش مصنوعی، کار خود را با یک مدل یادگیری ماشین آغاز می کنند و سعی در پیاده سازی الگوریتم مربوطه دارند.

اعتبار سنجی های انجام شده، بیانگر دقت حدود ۹/۸۲ درصد و حساسیت ۸۴ درصدی در این روند مطالعاتی می باشند.

پایگاه داده های تست شده خارجی، نشان دهنده دقت کلی ۱/۷۳ درصد با شاخص ۶۷ درصد و حساسیت ۷۴ درصد می باشند.

زمان مورد نیاز برای انجام هر نمونه ۲ ثانیه بوده و می توان به صورت کنترل از راه دور، این پلت فرم را سازمان دهی نمود.

کنترل شیوع ویروس کرونا

برای کنترل شیوع ویروس کرونا، نیاز است که از روش های سریع، دقیق و غیر تهاجمی برای تشخیص زود هنگام

بیماری ( در دوران نهفتگی بیماری) بهره بریم.

بنابراین محققان هوش مصنوعی در تلاش هستند تا داده های مربوطه را بهینه سازی و تست نموده

و برای دقت هرچه بیشتر و موثرتر و با حساسیت بیشتر، از این داده ها استفاده نمایند.

چنین پلت فرمی را می توان برای ارزیابی علایم بالینی بیمار نیز به کار گرفت.

به منظور کنترل گسترش ویروس کرونا (کووید ۱۹)، نیاز داریم تا افراد مشکوک ابتلا به این ویروس را غربال گری نماییم.

روش های تشخیص دقیق و سریع، برای روش های درمانی و کنترل گسترش ویروس کرونا، بسیار ضروری است.

مبتنی بر تغییرات رادیوگرافیکی کووید ۱۹ در تصایور سی تی اسکن، فرض ما بر استفاده از روش های یادگیری عمیق است

که برای استخراج ویژگی های گرافیکی کووید ۱۹ به کار رفته و روش های تشخیصی بالینی برای تست پاتوژنی نیز به کار رفته

و بنابراین زمان مورد نیاز برای کنترل این بیماری، کاهش خواهد یافت.

در یک پژوهش تحقیقاتی

در یک پژوهش تحقیقاتی، از ۴۵۳ تصویر سی تی اسکن برای تشخیص پاتوژن های پروتئینی کووید ۱۹ ، استفاده می کنیم

و بنابراین می توانیم پنومونی یا ذات الریه ویروسی ناشی از این ویروس را شناسایی نماییم.

بنابراین ما می توانیم مدل های مبتنی بر یادگیری ماشین را در این الگوریتم براساس اعتبار سنجی های داخلی

و خارجی مقیاس سنجی نماییم.

یافته ها حاکی از این است که بسیاری از روش های اعتبار سنجی شده، حداکثر دقت

را تا حدود ۸۲/۹ درصد و حساسیت ۸۴ درصدی دارند.

پایگاه داده تست خارجی، دقت حدود ۷۳/۱ درصد را با حساسیت ۷۴ درصد ارائه می دهند.

این نتایج اثبات می کنند که از هوش مصنوعی، برای استخراج ویژگی های رادیولوژیکی برای صرفه جویی در زمان استفاده می کنیم

و بنابراین شاید بتوانیم کووید ۱۹ را با دقت هرچه بیشتر، شناسایی نماییم.

شیوع انسان به انسان ویروس کرونا که به صورت بسیار سریعی انجام می گیرد ، یک بیماری مشابه ذات الریه در فرد ایجاد می کند

که ممکن است سندروم بسیار حاد ریوی را ایجاد نماید که حتی از سارس – کووید ۲، نیز شدیدتر باشد

و ویروس کرونا ۲۰۱۹، هشدار جدی برای کل دنیا به شمار می رود.

نزدیک به ۷۰۰۰۰ فرد مبتلا به ویروس کرونا (کووید ۱۹) در ۱۶ فوریه سال ۲۰۲۰ در چین ، شناسایی شدند.

طبق گزارشات سازمان بهداشت جهانی ۱۶-۲۱ درصد از افراد مبتلا به ویروس کرونا در چین، دچار بیماری زمینه ای بوده

و چیزی نزدیک به ۲ یا ۳ درصد، آمار تلفات بوده است.

طبق گزارشات اخیر، افرادی که تحت تاثیر این ویروس قرار می گیرند، دچار بیماری های ناشی از نقص سیستم ایمنی می شوند

و همین امر باعث گسترش بسیار سریع ویروس کرونا در میان افراد می شود.

بنابراین شناسایی افرادی که دچار بیماری شده اند، در مراحل اولیه بیماری بسیار کار دشواری بوده است.

تشخیص ویروس کرونا معمولا بر پایه علایم بالینی، تاریخچه بیماری های مسری و تصاویر سی تی اسکن ریه است

که این تصاویر، وجود ویروس کرونا را در ریه، تایید می کنند.

ویژگی های بالینی کووید ۱۹، شامل علایم تنفسی، تب، سرفه، تنگی نفس (دیسپنه) و پنومونی (ذات الریه) می شود.

به هرحال، علایم گفته شده چندان علایم خاصی نیستند و در صورتی که هر کدام از این علایم را مشاهده نمودید ،

چندان نیازی به قرنطینه ندارید.

ولی در صورتی که دریکی از اعضای خانواده شما سابقه مشکلات ریوی و یا بیماری های مربوط  به قفسه سینه مثل پنومونی

و یا دیگر تست های پاتوژنیک بود، ممکن است نتیجه وجود ویروس کرونا در شما، مثبت باشد

و یا این که ویروس کرونا بتواند در ریه شما نفوذ نماید.

هرکسی که تحت آزمایشات مربوط به ویروس کرونا قرار گرفته است، ممکن است تحت نمونه برداری ریوی، مثل لاواژ برونکوائولولار

یا نمونه برداری های دیگری قرار گیرد تا پزشک بتواند نتایج تست پاتوژنیک را به خوبی جمع آوری نموده و به نتایج معتبری دست یابد.

فناوری های آزمایشگاهی مبتنی بر روش های آزمایشگاهی بوده و توالی نوکلئیک اسید از ویروس نیز بسیار حائز اهمیت می باشد.

ابتدای شیوع ویروس کرونا

در ابتدای شیوع ویروس کرونا، تاثیر تست نوکلئیک اسید، وابسته به چند فاکتور دیگر مثل وجود کیت های آزمایشگاهی

و تعداد کیت های تشخیصی ، بوده است.

آنچه در این جا حائز اهمیت است کیفیت، تولید مجدد و پایداری کیت های تشخیص ویروس کرونا است.

تاثیرات مربوط به روش شناسی ها، مراحل توسعه بیماری، روش های تشخیص نمونه های گرفته شده

از ریه، روش های استخراج نوکلئیک اسید و سیستم های تکثیر، همه از جمله موارد تاثیر گذار بر دقت نتایج تست می باشند.

تخمین های انجام شده بیانگر این است که میزان نوکلئیک اسید بین ۳۰- ۵۰ درصد است

و نیاز است که تست ها در چند مورد ، تکرار شوند.

تصاویر رادیولوژیکی، یک ابزار تشخیص مهم برای تشخیص کرونا ویروس یا کووید ۱۹ به شمار می روند.

تعداد زیادی از بیماران مبتلا به ویروس کووید ۱۹، ویژگی های مشابهی دارند که در تصاویر سی تی اسکن قابل رویت می باشند

و ممکن است در برخی موارد بتوانیم این بیماری را در مراحل اولیه؛ که هنوز برای ریه مشکل جدی ایجاد نشده است ، تشخیص داد.

گاهی اوقات تصاویر مورفولوژیکی و توزیع عفونت در پیرامون ریه نیز در این تصاویر نشان داده می شود.

تصاویر سی تی اسکن معمولی نیز ممکن است به غربالگری زودهنگام موارد مشکوک کمک کند

و تصاویر گرفته شده از بیماران پنومونی ویروسی بسیار مشابه یکدیگر بوده و شباهت بسیار زیادی

با دیگر عفونت ها و التهاب های بیماری ریوی دارد. بنابراین تشخیص ویروس کووید از دیگر

بیماری های پنومونی ویروسی، برای رادیولوژیست ها دشوار است.

هوش مصنوعی شامل سیستم های پزشکی تصویر برداری یادگیری عمیق است

که برای مباحثی مثل استخراج ویژگی تصویر، بسیار خوب عمل می کنند

و ویژگی های منحصر به فرد تصاویر شامل شکل و موقعیت ساختار فضایی تصویر می شود.

به طور خاص، شبکه های عصبی کانولوشنی، اثبات کرده اند که استخراج ویژگی و یادگیری ماشین، نقش

بسیار حائز اهمیتی در شناسایی اکثر بیماری ها دارد.

شبکه های عصبی کانولوشنی

شبکه های عصبی کانولوشنی، برای ارتقا تصاویر با نور پایین و همین طور ویدیوهای سرعت بالا ، نقش اساسی دارند

و می توان حدود ۵۵ ویدیوی سرعت بالا را به بهترین نحو با استفاده از شبکه های عصبی کانولوشنی، آموزش داد.

به همین ترتیب، شبکه های عصبی مصنوعی را می توانیم برای شناسایی گره های ریوی طبیعی از طریق تصاویر سی تی اسکن

نیز به کار بریم و بنابراین قادر به تشخیص پنومونی کودکان از طریق تصاویر اشعه x از قفسه سینه آن ها نیز خواهیم بود.

به همین ترتیب پلیپ های رودوی نیز از طریق تصاویر وفیلم های کولونوسکوپی نیز قابل رویت بوده

و می توان بسیاری از موارد مشکوک را شناسایی نمود.

شناسایی ویژگی های مربوط به پاتوژن های ویروسی

برای شناسایی ویژگی های مربوط به پاتوژن های ویروسی، از الگوهای تصویر برداری استفاده می شود

که می توان به پاتوژن های خاص دیگر نیز در این زمینه اشاره نمود. ویروس کووید ۱۹، توزیع دو جانبه داشته

و ممکن است سایه هایی را در تصویر ایجاد نماید و از این رو تشخیص این ویروس با انواع ویروس های دیگر را بسیار مشکل می کند.

بسیاری از محققان معتقد هستند که شبکه های عصبی کانولوشنی، به ما کمک می کند

تا ویژگی های منحصر به فردی را شناسایی نمایند که تشخیص آن ها در شرایط عادی دشوار تر است.

برای تست این نظریه، ما ۴۵۳ تصویر سی تی اسکن را از افرادی که مبتلا به ویروس کووید ۱۹ بودند جمع آوری نمودیم

و تلاش کردیم تا پنومونی ویروسی را در این تصاویر شناسایی کنیم.

ما ، ۲۱۷ تصویر را با استفاده از مدل یادگیری ماشین، آموزش دادیم وهدف ما ارائه یک الگوریتم بهینه بوده است.

ما در تلاش هستیم تا به دقت حداقل ۸۳ درصدی دست یابیم و اعتبار سنجی تحقیقاتمان به ۸۴ درصد برسد.

برای تست مقادیر گفته شده، تا کنون به ۷۳ درصد دقت و ۷۴ درصد حساسیت رسیده ایم.

این مشاهدات بیانگر این است که می توانیم همچنان از روش یادگیری عمیق برای شناسایی گرافیکی تصاویر رادیولوژیکی

بیماران مبتلا به کرونا ویروس یا کووید ۱۹ بهره بریم.

# کرونا ویروس یا کووید ۱۹

گردآوری و ترجمه توسط ترجمه پارس

نظر