موسوی گفت: در تعریف سندورم روده تحریک پذیر بیماری هست که با یک دسته از علائم گوارشی مثل دل درد و عادات غیر طبیعی اجابت مزاج مشخص می‌شود و حدود 3 تا 5 درصد افراد را در جوامع مختلف می‌تواند درگیر کند. 

وی اظهار داشت: در رابطه با این بیماری مجموعه علائمی وجود دارد اما با بررسی‌هایی که انجام گرفته تا به حال یک مشکل ساختاری مشخص یا یک بیو مارکر بیوشیمیایی مشخص برای این  بیماری شناسایی نشده یعنی صرفا بر اساس علائم مطرح شده توسط بیماران و شروع دل دردهایی که بیماران گزارش می‌کنند؛ دسته‌‌ای از علائم مطرح شده است.  

موسوی ادامه داد: آن چیزی که ما را به سمت استفاده از الگوریتم‌های یادگیری ماشین برد، بررسی بیشتر این بیماری و دسته‌بندی جدید بود چون دسته بندی‌هایی که برای بیماری سندروم روده تحریک پذیر ارائه شده ‌صرفا با در نظر گرفتن حالات اجابت مزاج بیماران است و این دسته بندی مشکلاتی دارد؛ مشکل اصلی این که درمان‌هایی که براساس این زیر گروه‌ها ارائه شده درمان‌های کافی و کاملا رضایت بخشی برای بیماران نبوده. 

وی افزود:همچنین در این دسته بندی صرفا علائم گوارشی لحاظ شده در حالی که ما به وضوح در افرادی که این بیماری‌ها را داشتند و گزارش کردند مشاهده کردیم که علائم روان به شدت درگیر هستند و در واقع لحاظ کردن یک بخش جدیدی از علائم در کنار علائم گوارشی هدف اصلی این طرح بوده که لحاظ کردن انواع مختلف و جنبه‌های مختلف علائم مثل علائم گوارشی، علائم جسمانی و علائم روان در کنار هم ما را به سمت استفاده از الگوریتم‌های یادگیری ماشین برد تا بتوانیم زیرگروهای جدید سندروم روده تحریک پذیر را شناسایی کنیم همچنین نیازمند الگوریتم‌های پیشرفته‌تر این الگوریتم بودیم که شباهت‌های بین افراد را بهتر شناسایی کنیم. 

این محقق عنوان کرد: در الگوریتم‌های خوشه‌بندی یادگیری ماشین برخی الگوریتم‌هایی وجود دارد که براساس شباهت افراد زیر گروه‌های جدید را شناسایی می‌‌کنند که البته زمان  محاسبه این شباهت‌هابه یک معیار فاصله نیاز داریم که متغییر را دقیقا از جهت نوع آن یعنی پیوسته، کیفی و اسمی باید لحاظ نمود. 

وی با بیان اینکه در واقع یک بخش این پژوهش محاسبه شباهت بوده براساس انواع مختلف متغییرها و بخش دیگر پیدا کردن زیر گروه‌ها بود؛ گفت: روش یادگیری ماشین شباهت‌ها را پیدا می‌کند و افراد را در زیر گروه‌های مشابه هم قرار می‌دهد و نتیجه اینکه زیر گروههایی به دست آمد که به هم شبیه هستند و از هم فاصله کافی را دارند که در مرحله بعدی در هرکدام از این زیرگروه‌ها که شباهت بیشتری با هم دارند بتوان درمان‌های متمرکز‌تری ارائه نمود و به سمت پزشکی شخصی شده جلو برویم. 

موسوی گفت: بعد از بررسی‌های لازم و با استفاده‌ از روش‌های مختلف یاگیری ماشین به یک نقطه بهینه رسیدیم یعنی توانستیم 9 زیر گروه مشخص داشته باشیم که 4 تا از زیرگروه‌ها همان‌هایی بودند که قبلا توسط صرفا علائم گوارش شناسایی شده بودند و در مطالعه ما هم حضور  داشتند در کنار آن ما 5 زیر گروه جدید مشاهده کردیم که در این زیر گروه‌ها نقش متغییرهای روان خیلی بیشتر مشخص شده بود.

وی با تاکید براینکه نتایج این پژوهش در بردارنده رویکردها و شروع مسیر جدید است که محققان در مراحل بعد در زیر گروه‌های جدید متمرکز شوند و بررسی‌های بیشتر انجام دهند؛به تصریح نتایج پرداخت و اعلام کرد:  در چهار زیر خوشه که از قبل وجود داشته اینگونه بوده که فرد مثلا صرفا علائم یبوست یا صرفا علائم مربوط به اسهال داشته یا شدت علائم کم بوده است. 

موسوی افزود: اما زیر گروه‌های جدیدتر عبارتند از: زیر گروه جدید یک که بخش بالایی گوارش خیلی درگیر بوده به همراه مثلا یبوست و به همراه علائم روان اینها هر سه در یک خوشه برای ما مشخص شده بود. زیر گروه جدید دوم علائم گوارش تحتانی خیلی درگیر هستند.  زیر گروه سوم علائم مربوط به اسهال و روان یعنی افسردگی در خوشه خیلی زیاد بود؛ زیر گروه چهارم افرادی هستند که علائم جسمانی زیاد و علائم قسمت بالایی دستگاه گوارش زیاد دارند مثل مشکلات بلع. همچنین زیر گروه 5 که علائم گوارشی متوسط با علائم روان خیلی شدید داشتند.   

وی در خصوص ارائه و عملیاتی کردن نتایج این پژوهش تاکید کرد: مطالعاتی در کشورهای دیگر هم با دامنه متغییرهای متفاوتی انجام شده؛ اما نکته مهم تکرار پذیری است؛ اگر به اندازه کافی مطالعات تکرار پذیر باشند هم در جوامع مختلف این مطالعات را انجام شود بعد می‌توان به سمت عملی شدن و آزمایش جلو برویم البته در این پژوهش تا حدی تکرار پذیری را با روش‌هایی دیگری یادگیری ماشین بررسی کردیم که با دقت بالای 80 درصد هم نتایجی به دست آوردیم اما به خاطر اینکه جامعه ما صرفا یک جامعه ایرانی بوده لازم است بررسی‌های بیشتر در مناطق جغرافیایی مختلف انجام شود. 

انتهای پیام/