دانشمندان با تکنیکهای یادگیری ماشین، اثرات مداخلات کاهش وزن را آنالیز نمودند
14 ژوئیه 2017- تکنیکهای یادگیری ماشین[1] نشان داد در حالیکه مداخلات کاهش وزن سالم برای اکثر افراد مفید است، میتواند برای سایرین منجر به نتایج بدی شود. این یافتهها نشان میدهد که مزایای برخی از مداخلات شیوهی زندگی برای برخی افراد بیشتر از سایرین است، بهمین دلیل اهمیت پزشکی فردگرایانه پررنگ تر میشود.
محققان موسسهی سلامت جهانی آرنولد در دانشگاه پزشکی Icahn با استفاده از تکنیکهای پیشرفته و جدید یادگیری ماشین به مرور اطلاعات بیش از 5000 فرد دارای اضافه وزن یا چاق مبتلا به دیابت پرداختند. هدف این تحقیقات در طی 13 سال دورهی فالوآپ، بررسی تأثیر کاهش وزن متوسط از طریق مداخلات شیوهی زندگی بر کاهش میزان مرگ و میر و عوارض مرتبط با دیابت نظیر حملهی قلبی و سکته بود.
درحالیکه یافتههای این مطالعه در مجموع نول (null)بودند، اما در 85 درصد از افراد مورد مطالعه، میزان مرگ و میر ناشی از حوادث و بیماریهای قلبی عروقی بدنبال مداخلات کاهش وزن، کاهش یافته بود و در 15 درصد دیگر خطر حملهی قلبی و سکته در حقیقت افزایش یافته بود، این گروه کمتر با مداخلات ورزشی سازگار بوده و همچنین برای بهبود مارکرهای سلامت خود مانند قندخون، فشارخون و سلامت روان، دچار چالش بودند.
محققان معتقدند این اولین بار است که شواهدی حاکی از واکنشهای نامطلوب مداخلات شیوهی زندگی سالم گزارش شده است، این موضوع نشان میدهد به دادههای علمی بیشتر و تجویز دارویی دقیق و فردگرایانه برای مراقبت از افراد دیابتی نیاز داریم.
پرفسورBaum نویسندهی ارشد این مقاله میگوید: آنالیز ما نشان داد که پیشرفتهای اخیر در تکنیکهای یادگیری ماشین برای نتیجهگیری علیتی میتواند مقدار یافتههای بالینی حاصل از کارآزماییهای تصادفی بزرگ را افزایش دهد و ما را قادر سازد که اشخاصی را که میتوانند از یک مداخله سود ببرند مشخص کنیم، این کار برای مراقبت از بیماران گامی اساسی محسوب میشود.
همکار نویسندهی این مطالعه دکترTamler گفت: برای اکثریت قریب به اتفاق افراد مبتلا به دیابت، یک شیوهی زندگی سالم که منجر به کاهش وزن شود با منافع قابل توجهی همراه است، اگرچه این منافع برای همهی افراد قابل دستیابی نیست، به لطف استفاده از تکنیکهای پیشرفتهی هوش مصنوعی در این تحقیق، هم اکنون پزشکان میتوانند نتیجهگیری کنند که کدامیک از بیماران بیشترین منافع را از مداخلاتی نظیر تغییر شیوهی زندگی بدست می آورند.
نتایج این مطالعه درمجله ی the Lancet Diabetes &Endocrinology منتشر شده است.
منبع:
[1]یکی از شاخههای وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین (Machine learning) است که به تنظیم و اکتشاف شیوهها و الگوریتمهایی میپردازد که بر اساس آنها رایانهها و سامانهها توانایی تعلٌم و یادگیری پیدا میکنند.هدف یادگیری ماشین این است که کامپیوتر (در کلیترین مفهوم آن) بتواند به تدریج و با افزایش دادهها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه میتواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گامبرداری روباتهای دوپابا دریافت سیگنال پاداش و تنبیه باشد.