هوش مصنوعی در خدمت زنان باردار؛ فناوری نوین چگونه میتواند جان مادران را نجات دهد؟
پژوهشگران یک برنامه مبتنی بر هوش مصنوعی طراحی کردهاند که در آزمایشهای اولیه توانسته با دقتی بالاتر یکی از خطرناکترین عوارض بارداری را پیشبینی کند.
عارضهای که در بسیاری از موارد با روشهای رایج غربالگری بهموقع شناسایی نمیشود و میتواند جان مادر را به خطر اندازد.
این وضعیت که با عنوان «طیف جفت چسبنده» شناخته میشود، زمانی رخ میدهد که جفت به شکل غیرطبیعی و عمیق به دیواره رحم میچسبد و پس از زایمان جدا نمیشود. چنین حالتی میتواند منجر به خونریزی شدید پس از تولد نوزاد، نیاز به جراحی برداشتن رحم و در مواردی حتی مرگ مادر شود.
نتایج این پژوهش در نشست سالانه Society for Maternal-Fetal Medicine در شهر لاسوگاس ارائه شد. محققان اعلام کردند که در حال حاضر تنها حدود ۳۰ درصد از موارد این عارضه پیش از زایمان تشخیص داده میشود، زیرا در بسیاری از موارد در سونوگرافیهای معمول قابل شناسایی نیست.
در این مطالعه، دادههای سونوگرافی ۱۱۳ زن باردار که به دلیل انجام عمل سزارین قبلی یا عوامل خطر دیگر در معرض این عارضه بودند، مورد تحلیل قرار گرفت. برنامه هوش مصنوعی توانست تمامی موارد واقعی طیف جفت چسبنده را بهدرستی شناسایی کند و همچنین ۷۵ درصد از بارداریهایی را که به این عارضه مبتلا نبودند، بهدرستی منفی اعلام کند.
به طور کلی، مشخص شد ۸۲ درصد از زنانی که نتیجه آزمایش آنها مثبت اعلام شده بود، واقعا به این عارضه مبتلا بودند، در حالی که تمامی افرادی که نتیجه منفی دریافت کرده بودند، به این مشکل دچار نبودند. این میزان دقت میتواند تحول مهمی در مدیریت بارداریهای پرخطر ایجاد کند.
این برنامه با ترکیب دادههای سونوگرافی، سابقه سزارین و وجود جفت سرراهی آموزش دیده است؛ وضعیتی که در آن جفت دهانه رحم را مسدود میکند یا در نزدیکی آن قرار دارد و خطر بروز طیف جفت چسبنده را افزایش میدهد.
الکساندرا هامِرکویست، پژوهشگر ارشد از Baylor College of Medicine در ایالت تگزاس، ابراز امیدواری کرد این مدل بتواند به تشخیص دقیق و بهموقع کمک کند. تمامی شرکتکنندگان این تحقیق بین سالهای ۲۰۱۸ تا ۲۰۲۵ در بیمارستان کودکان تگزاس زایمان کردند.
به گفته هندریک لومبارد، از دیگر محققان این طرح، گام بعدی انجام یک مطالعه آیندهنگر در شرایط واقعیتر است. او افزود این فناوری میتواند به توسعه ابزارهای غربالگری سادهتر و حتی برنامهریزی دقیقتر جراحی کمک کند. با این حال، هنوز هیچیک از سامانههای مشابه موفق به دریافت تاییدیه از سازمان غذا و داروی ایالات متحده نشدهاند.
