گالری عکس

به گزارش روابط عمومی دانشکده پیراپزشکی، ژاله شوشتریان دانشجوی دوره دکتری تخصصی رشته انفورماتیک پزشکی این دانشکده از رساله خود دفاع کرد، به این بهانه به گفت‌وگو با وی پرداختیم.

1- لطفاً در مورد سوابق تحصیلی خود  توضیح دهید.
کارشناسی ارشد خود را در رشته مهندسی نرم‌افزار از سال 1385 تا 1387 گذراندم و سپس در سال 1391 در مقطع دکتری تخصصی انفورماتیک پزشکی شروع به تحصیل کردم.
2- در خصوص سوابق کار خود  توضیح دهید.
از سال 1387 تا 1391 در حوزه فن‌آوری اطلاعات در دانشگاه علوم پزشکی تهران درزمینهٔ های سیستم‌های اطلاعات بیمارستانی و پرونده الکترونیک سلامت مشغول بکار بوده‌ام.
3- در خصوص عنوان رساله خود و موضوع و روش انجام آن توضیح مختصر دهید.
در طی 28 روز اول زندگی نوزادان متخصصین، پرستاران و والدین می‌بایست از احتمال ریسک مرگ نوزادان بستری در بخش مراقبت‌های ویژه نوزادان مطلع باشند. به‌کارگیری سیستم‌های تصمیم‌یار بالینی و فن‌آوری‌های جدید موجب کاهش احتمال مرگ نوزادان می‌شود، این در حالی است که آمارها کاهش چشم‌گیری در نرخ مرگ نوزادان نارس، کم‌وزن و دارای ناهنجاری‌های مادرزادی نشان نمی‌دهد. لذا ما نیازمند ابزارهایی بی‌درنگ و دقیق جهت پیش‌بینی ریسک مرگ نوزادان در بخش مراقبت‌های ویژه نوزادان هستیم.
با انجام مطالعه مروری بر روی سیستم‌های تصمیم‌یار بخش مراقبت‌های ویژه و روش‌های امتیازدهی شدت بیماری در نوزادان پارمترهای مؤثر در پیش‌بینی ریسک مرگ نوزادان استخراج گردیدند و در قالب پرسشنامه‌ای توسط ده نفر از متخصصین نوزادان مورد ارزیابی قرار گرفتند. نتایج پرسشنامه توسط شاخص‌های اعتبارسنجی محتوی شامل CVI, CVR و الفای کرونباخ مورد ارزیابی قرار گرفت. با توجه به پارامترهای استخراج‌شده فرم‌های ورود اطلاعات طراحی گردید و داده‌های حدود 165 نمونه به‌صورت تصادفی در بازه زمانی شش ماه بخش مراقبت‌های ویژه نوزادان بیمارستان ولی‌عصر (عج) دانشگاه علوم پزشکی تهران استخراج شدند. به‌منظور ساخت مدل پیش‌بینی ریسک مرگ روش‌های شناخته‌شده پیش‌بینی شامل درخت تصمیم، ماشین بردار پشتیبان، یادگیری عمیق، رگرسیون لجستیک و روش بیزین مورد آزمایش قرار گرفتند و شاخص‌های دقت و صحت برای این روش‌ها محاسبه گردید. همچنین به‌منظور تعیین معماری چندعاملی سامانه پیش‌بینی ریسک مرگ ضمن بررسی فرآیندهای موجود در مرکز تحقیقات مادر و نوزاد و جنین بیمارستان ولی‌عصر، مطالعه تطبیقی بر روی کلیه معماری‌های استخراج‌شده در طی انجام مطالعه مروری صورت پذیرفت و نیازمندی‌های لازم سیستم استخراج شد.
با استفاده از روش گایا، عامل‌های سیستم تعیین شدند و معماری سامانه ارائه شد. با استفاده از چهارچوب توسعه سیستم‌های چندعاملی UMAP پروتوتایپ معماری پیشنهادی پیاده‌سازی گردید. همچنین سامانه‌ای جهت پیش‌بینی ریسک مرگ نوزادان متشکل از سه لایه ذخیره‌سازی داده‌ها، سیستم‌های چندعاملی و لایه نمایش پیاده‌سازی گردید. نتایج مدل پیش‌بینی با استفاده از شاخص‌های دقت، صحت و نمودار ROC مورد ارزیابی قرار گرفتند، همچنین سامانه پیشنهادی به لحاظ کاربردپذیری با استفاده از پرسشنامه UEQ مورد ارزیابی قرار گرفت. با بررسی متون و روش‌های امتیازدهی شدت بیماری تعداد 80 پارامتر استخراج گردیدند. پس از امتیازدهی و بررسی پارامترها در قالب پرسشنامه فرم‌های ورود اطلاعات با 60 آیتم طراحی شد.
در بررسی اعتبار پرسشنامه از شاخص‌های CVI، CVR میزان آلفای کرونباخ در آن 0.97 محاسبه گردید. پس از تعیین پارامترها الگوریتم‌های پیش‌بینی بر روی 165 نمونه جمع‌آوری‌شده مورد آزمایش قرار گرفتند و شاخص‌های دقت و صحت برای آن‌ها مورداندازه‌گیری قرار گرفت؛ و درنتیجه آزمایش الگوریتم درخت تصمیم گرادیان بوستینگ صحت (91.24%) را به دست آورد. مدل پیش‌بینی ارائه‌شده نوزادان را بر اساس مرگ وزنده ماندن کلاسه‌بندی می‌کند و احتمال مرگ یا زنده ماندن نوزادان را با استفاده از روش رگرسیون لجستیک محاسبه می‌کند.
با توجه به نیازسنجی‌ها و تحلیل‌های صورت پذیرفته معماری سامانه پیش‌بینی ریسک مرگ نوزادان مبتنی بر سیستم‌های چندعاملی ارائه‌شده است. عامل‌های اصلی شناسایی‌شده در بخش مراقبت‌های ویژه نوزادان عبارتند از عامل پذیرش، عامل نظارت، عامل رجیستری بخش مراقبت‌های ویژه نوزادان و عامل پیش‌بینی نوزادان پرخطر، به‌نحوی‌که این عامل‌ها با عوامل انسانی نظیر پزشک و پرستار جهت ثبت و بازیابی اطلاعات در ارتباط هستند. به‌منظور پیاده‌سازی سامانه پیش‌بینی ریسک مرگ نوزادان وب‌سایتی طراحی گردید که دارای سه بخش اصلی ورود اطلاعات، گزارش‌گیری و داشبورد و بخش پیش‌بینی ریسک مرگ است.
در حال حاضر تقاضا و پشتکار زیادی در بخش مراقبت‌های ویژه نوزادان جهت استفاده از فن‌آوری‌های جدید و سیستم‌های تصمیم‌یار بالینی وجود دارد. در این پژوهش با به‌کارگیری روش‌های تلفیقی شامل ترکیب سیستم‌های تصمیم‌یار با روش‌های هوش مصنوعی و داده‌کاوی روشی جدید جهت پیش‌بینی ریسک مرگ نوزادان پیشنهاد دادیم. با بررسی الگوریتم‌های مختلف پیش‌بینی بر روی‌داده‌های نوزادان راهکاری پویا و بومی برای پیش‌بینی ریسک مرگ نوزادان ارائه کردیم.

4- آیا مطالعه مشابهی در این زمینه در ایران انجام‌شده است؟
در پژوهشی در بیمارستان ولیعصر در طی سال‌های 2001 تا 2004 میلادی فاکتورهای افزایش‌دهنده ریسک مرگ در 317 نوزاد با وزن کمتر از 1500 گرم مورد ارزیابی قرارگرفته است(32). با توجه موارد بررسی‌شده ارتباط معنی‌داری بین احتمال مرگ و پارامترهای سن داخل رحمی، وزن تولد کمتر 100، آپگار کمتر از 6 در دقیقه 5، سندرم دیسترسی تنفسی، احیا در زمان تولد، نیاز به تهویه مکانیکی و مشکلات سیستم عصبی مشاهده گردید. همچنین سیستم امتیازدهی CRIBII برای نوزادان با وزن کمتر از 1500 گرم در بیمارستان امام رضا (ع) در کرمانشاه در بازه زمانی 8 ماه از شهریور سال 1389 تا فروردین 1390 بررسی گردید و به‌کارگیری این روش توانست ریسک مرگ را با دقت حدود %85 پیش‌بینی نماید(50). در طی پژوهشی دیگر که در بیمارستان مفید و مهدیه زیر توسط مرکز تحقیقات کودکان دانشگاه علوم پزشکی شهید بهشتی انجام گرفت دادهای 404 نوزاد بیمارستان‌های مفید و مهدیه در طی سال‌های 2006 تا 2009 جمع‌آوری‌شده و روش‌های CRIB، CRIBII، SNAP، SNAPII و SNAPPE مورد آزمایش قرار گرفت. در این آزمایش روش SNAP بالاترین دقت در پیش‌بینی ریسک مرگ و CRIB کمترین دقت را دارا بود. درطی پژوهشی روش‌های امتیازدهی SNAP II PE و آپگار بر روی‌داده‌ای 212 نوزاد بیمارستان مرکز طبی کودکان دانشگاه علوم پزشکی تهران در بازه زمانی 2003 تا 2004 مورد آزمایش قرار گرفت(34). در این پژوهش با استفاده از روش رگرسیون لجستیک میزان تأثیر پارامترها بر مرگ نوزادان موردبررسی قرار گرفت و نتایج نشان داد که روش امتیازدهی SNAP II و آپگار می‌تواند تا حد زیادی ریسک مرگ نوزادان را تعیین نماید.
وزارت بهداشت درمان و آموزش پزشکی با همکاری انجمن پزشکان نوزادان مرکز تحقیقات سلامت کودکان دانشگاه علوم پزشکی تبریز سامانه‌ای باهدف جمع‌آوری اطلاعات نوزادان بخش‌های مراقبت‌های ویژه نوزادان به نام ایمان طراحی و ایجاد کرده است. این سامانه اطلاعات مربوط به دموگرافیک نوزاد، علایم و شکایت اصلی نوزاد هنگام ورود به بخش NICU، مشخصات مادر، مشخصات نوزاد در بدو تولد، تشخیص‌ها و علایم بیمار هنگام بستری و جراحی‌های وی را جمع‌آوری می‌کند. سامانه مذکور ضمن فراهم نمودن امکان گزارش‌گیری از شاخص‌های گوناگون بخش مراقبت ویژه نوزادان، در خصوص ریسک مرگ نوزاد امکان محاسبه امتیاز CRIB II را فراهم می‌کند.
در سال 2016 دکتر صفدری و همکاران یک سیستم خبره فازی جهت پیش‌بینی ریسک مرگ نوزادان ارائه کردند. در این سیستم از موتور استنتاج ممدانی به‌منظور ساخت مدل فازی استفاده‌شده است و صحت آن در حدود 90% گزارش‌شده است. در این پژوهش تعداد 16 پارامتر از 46 پارامتر امتیازدهی شده توسط متخصصین جهت پیش‌بینی ریسک مرگ انتخاب شدند. در طی پژوهشی رضاییان و همکاران با به‌کارگیری روش‌های شبکه عصبی اقدام به پیش‌بینی ریسک مرگ نوزادان کرده‌اند که در آن 100 پرونده نوزاد با در نظر گرفتن 21 پارامتر در سال‌های 1386 تا 1389 در بیمارستان قائم‌شهر مورد آزمایش قرار گرفتند. دقت به‌دست‌آمده پس از اجرای این روش 94.5% گزارش‌شده است. در سال 2018 دکتر صفدری و همکاران در طی پژوهشی مقایسه‌ای بین الگوریتم‌های طبقه‌بندی برای تفکیک نوزادان برحسب نوع زردی آن‌ها نمودند، در این پژوهش روش درخت تصمیم توانست با دقت %94 بالاترین دقت را به دست آورد.
در سال 2014 دکتر محمدزاده و صفدری ضمن بررسی سناریوها و فرآیندهای کاری پیگیری بیماران مزمن قلبی مدلی مبتنی بر سیستم‌های چندعاملی جهت مدیریت این فرآیند ارائه نمودند. فرآیندهای اصلی شناسایی‌شده در این پژوهش عبارت بودند از دسترسی به داده‌ها، تعامل با سایر عامل‌ها، تحلیل هوشمند داده‌ها، تفسیر، تعامل جهت تصمیم‌گیری و یادگیری(53, 54). همچنین در طی پژوهشی در سال 2014 چهارچوبی جهت مدیریت بیماران دیابت مبتنی بر سیستم‌های چندعاملی ارائه شد. همچنین در طی پژوهش دکتر صفدری و همکاران مدلی را برای مدیریت فرآیند اورژانس پیش بیمارستانی با استفاده از سیستم‌های چندعاملی ارائه کردند.

5- آیا مطالعه مشابهی در این زمینه در خارج از کشور انجام‌شده است؟
در پژوهش حاضر سیستم‌های تصمیم‌یار بخش مراقبت‌های ویژه نوزادان موردبررسی قرار گرفتند. سیستم‌های تصمیم‌یار بخش مراقبت‌های ویژه نوزادان می‌توانند جهت پیش‌آگهی، تشخیص، نظارت و مدیریت و درمان نوزادان در بخش مراقبت‌های ویژه نوزادان بکار گرفته شوند. سیستم‌های تصمیم‌یار بخش مراقبت‌های ویژه نوزادان، روش تحلیل، متغیرها و شاخص‌های ارزیابی کارایی آن‌ها به ترتیب به تفکیک سیستم‌های پیش‌آگهی، تشخیص و نظارت نوزادان موردبررسی قرار گرفتند.
در طی پژوهشی در سال 2015 یک مدل پیش‌بینی وضعیت نوزادان با استفاده از روش تصمیم C5.0 ساخته‌شده است در این تحقیق جهت از بین بردن مقادیر فیلده های خالی از الگوریتم‌های مبتنی بر احتمالات استفاده‌شده و هجده پارامتر روش امتیازدهی SNAP جهت پیش‌بینی ریسک مرگ نوزادان مورداستفاده قرارگرفته است. نتایج این تحقیق نشان داد استفاده از داده‌های 48 ساعت اول پذیرش بیماران در NICU نتایجی با دقت بالاتر و بهتری نسبت به مجموعه داده‌های زیاد و هر 12 ساعت بیمار به دست می‌دهد. در طی پژوهشی در سال 2011 در کانادا یک سیستم تصمیم‌یار بالینی به نام PPADS (سیستم تصمیم‌یار متخصصین و والدین) باقابلیت مشاهده وضعیت نوزادان، کارایی فرآیند تصمیم‌گیری را در شرایط دارای تعارض فراهم می‌آورد و امکان ارائه خدمات با محوریت خانواده بیمار و با کاربردپذیری بیشتر فراهم می‌کند.
در طی تحقیقی در سال 2012 یک سیستم تصمیم‌یار هوشمند چندعاملی برای بخش مراقبت‌های ویژه نوزادان توسعه‌یافته است در این سیستم داده‌ای فیزیولوژیک نوزاد آنالیز می‌شود و روندهای داده‌ای جدید توسط یک سیستم چندعاملی شناسایی می‌شوند، سیستم چندعاملی پیشنهادی امکان ارتباط بین عامل‌ها را با استفاده از ارسال درخواست‌ها بین استفاده‌کنندگان و ارائه‌دهندگان سرویس فراهم می‌آورد.

6- مهم‌ترین مانع انجام طرح خود در مراحل مختلف  چه می‌دانید؟
داده‌های موجود در سیستم اطلاعات بیمارستانی و سیستم رجیستری مرکز محل انجام طرح کلیه پارامترها و داده‌های موردنیاز تعیین‌شده جهت پیش‌بینی ریسک مرگ را تأمین نمی‌کرد لذا مجبور شدیم داده‌های موردنیاز را از 170 پرونده استخراج‌کنیم که با توجه به تعداد زیاد پارامتر جمع‌آوری داده‌ها بسیار زمان‌بر بود. تحلیل‌های صورت پذیرفته بر روی‌داده‌ها محدود به داده‌های موجود در مرکز تحقیقات مادر، جنین و نوزاد است، می‌توان به‌عنوان کارهای آتی سیستم را بر روی‌داده‌های سایر مراکز و بیمارستان‌ها آزمایش نمود و از نتایج آن‌ها استفاده نمود.
7- نتیجه و دستاورد پژوهش خود را چه می‌دانید؟
با بررسی پارامترهای مؤثر بر مرگ نوزادان در بخش مراقبت‌های ویژه سعی کردیم حداقل مجموعه داده‌های موردنیاز جهت پیش‌بینی ریسک مرگ نوزادان را تعیین کنیم. با به‌کارگیری سیستم‌های چندعاملی راهکار نوینی جهت حل مسئله مدیریت نوزادان پرخطر ارائه کردیم. با استفاده از قابلیت‌ها و ویژگی‌های سیستم‌های چندعاملی نظیر خودمختاری، پویایی، فعال بودن و همچنین قابلیت‌های تعامل و همکاری در محیط‌های پیچیده معماری را جهت مدیریت فرآیندهای حساس و بی‌درنگ بخش مراقبت‌های ویژه نوزادان ارائه کردیم. با به‌کارگیری روش‌های تلفیقی شامل ترکیب سیستم‌های تصمیم‌یار با روش‌های هوش مصنوعی و داده‌کاوی روشی جدید جهت پیش‌بینی ریسک مرگ نوزادان ارائه شد. با بررسی الگوریتم‌های مختلف پیش‌بینی بر روی‌داده‌های نوزادان راهکاری پویا و بومی برای پیش‌بینی ریسک مرگ نوزادان پرداختیم.

8- از کار شما چند مقاله تهیه‌شده است؟
3 بیش از مقاله

توضیح اینکه دکتر رضا صفدری و دکتر حجت زراعتی اساتید راهنما دکتر فاطمه سادات نیری و دکتر نیلوفر محمدزاده اساتید مشاور این پژوهش بودند. دکتر حمید بیگی، دکتر مقصود عباس پور، دکتر حسین دلیلی و دکتر شراره رستم نیاکان داوری این کار را بر عهده داشتند.