به گزارش روابط عمومی دانشکده پیراپزشکی: امیر دقتی پور دانشجوی کارشناسی ارشد انفورماتیک پزشکی این دانشکده از پایان‌نامه خود با عنوان طراحی و ایجاد سامانه پیش‌بینی خونریزی درون بطنی مغز (IVH) در نوزادان نارس دفاع کرد.
زایمان زودرس یکی از مهم‌ترین مشکلات بهداشتی در جهان است که می‌تواند باعث ایجاد اختلالات مهمی همچون خونریزی درون بطنی مغز (IVH) شود. در دهه‌های اخیر پیشرفت‌های مربوط به مراقبت‌های بارداری و نوزادان به کاهش قابل‌توجه نرخ مرگ‌ومیر نوزادان کمک کرده است اما از طرفی دیگر منجر به افزایش جمعیت نوزادان مستعد به IVH  شده است. با توجه به اینکه این اختلال دارای چهار گرید بوده، نگرانی اصلی دیگر عدم‌تغییر نرخ شیوع گرید سه و چهار به‌عنوان مهم‌ترین گرید های این اختلال است؛ که می‌تواند باعث مشکلات زیادی از قبیل عقب‌ماندگی ذهنی یا فلج مغزی برای نوزادان شود.
 بنابراین تشخیص زودهنگام این اختلال ازآن‌جهت که می‌تواند استراتژی درمانی مناسب را انتخاب کند امری حیاتی است. در این میان سیستم‌های پیش‌بینی می‌توانند تا حدی در کاهش این چالش‌ها مؤثر واقع شوند.
با توجه به اینکه اکثر خونریزی‌ها در 24 ساعت اولیه پس از تولد رخ می‌دهد و در سه روز اول گسترش می‌یابند، ایجاد یک سیستم پیش‌بینی به‌منظور اقدامات احتیاطی و یا درمان زودهنگام، قبل از هرگونه آسیب غیرقابل‌بازگشت ضروری به نظر می‌رسد. از طرفی دیگر به نظر می‌رسد به دليل عدم ایجاد یک مدل محاسباتی پیش‌بینی و استفاده از اين مدل‌ها در فرآيند تصمیم‌گیری باليني اغلب يك خلأ بين انتشار و استفاده از اين فاکتورهای خطر و مدل‌های پیش‌بینی در بالين احساس می‌شود که می‌توان با ایجاد یک سیستم پیش‌بینی تعاملی این خلأ را پر کرد.
با استفاده از زبان برنامه‌نویسی پایتون ابتدا هشت خصیصه برتر انتخاب شد و همچنین میزان معیار صحت برای الگوریتم‌های رگرسیون لجستیک، شبکه عصبی مصنوعی، SVM، XGBoost به‌دست‌آمده بالاترین XGBoost با 83 درصد تعیین شد. همچنین به‌عنوان معیار مهم دیگر تصمیم‌گیری انتخاب بهترین الگوریتم به‌منظور پیش‌بینی معیار AVC و ناحیه زیر منحنی ROC برای الگوریتم‌های فوق بررسی شد که کاملاً قابل‌قبول بود. به‌منظور طراحی رابط کاربری برنامه از پلتفرم Qt استفاده شد. کاربردپذیری سیستم نیز ازنظر کاربران در سطح قابل‌قبولی ارزیابی شد.
با توجه به یافته‌های پژوهش، این سامانه  می‌تواند با هشت خصیصه تأثیرگذار با استفاده از الگوریتم رگرسیون لجستیک به‌عنوان برترین الگوریتم پیش‌بینی با توجه به نتایج به‌دست‌آمده به پیش‌بینی زودهنگام IVH بپردازد.
دکتر مرجان قاضی سعیدی عضو هیئت‌علمی دانشکده پیراپزشکی دانشگاه علوم پزشکی تهران و دکتر حسین دلیلی عضو هیئت‌علمی دانشکده پزشکی دانشگاه علوم پزشکی تهران اساتید راهنما و دکتر آرش روشن پور استاد مشاور این پژوهش بودند. دکتر مامک شریعت عضو هیئت‌علمی مرکز تحقیقات مادر، جنین و نوزاد پژوهشکده سلامت خانواده و دکتر نیلوفر محمدزاده عضو هیئت‌علمی دانشکده پیراپزشکی دانشگاه علوم پزشکی تهران داوری آن را بر عهده داشتند.