|
توسعه یک مدل پیشبینی مبتنی بر هوش مصنوعی برای ارزیابی آسیبپذیری ژنتیکی به سموم دریایی در دریانوردان و غواصان
|
سلیمه خنامانی فلاحتی پور   ، امیررضا قاسملو ، سمیه کرمی مهاجری ، زهره عقابیان ، سوده خنامانی فلاحتی پور ، مطهره سلطانی* |
| مرکز تحقیقات سلامت پسته، دانشگاه علوم پزشکی رفسنجان، رفسنجان، ایران ، Motahareh.soltani@gmail.com |
|
|
چکیده: (32 مشاهده) |
زمینه و هدف: سموم دریایی در مناطقای مانند خلیج فارس و دریای عمان خطری جدی برای دریانوردان و غواصان هستند. حساسیت افراد به این سموم اغلب با تفاوتهای ژنتیکی (SNPها) در ژنهای متابولیزهکننده سم مرتبط است. این مقاله یک چارچوب مفهومی مبتنی بر هوش مصنوعی را برای پیشبینی این آسیبپذیری ارائه میدهد. نوآوری اصلی در ادغام دادههای ژنتیکی، دادههای زیستمحیطی (از حسگرها و ماهواره) و پایگاههای دانش سموم (مانندToxCast) و قابلیت اتصال به سامانههای هشدار و تلهمدیسین است.
روشها: چارچوب پیشنهادی بر سه پایه اصلی استوار است: 1) دادههای ژنتیکی افراد (پروفایلهای SNP در ژنهای مرتبط با متابولیسم سموم)، 2) دادههای زیستمحیطی گردآوریشده از حسگرهای دریایی و تصاویر ماهوارهای (شامل غلظت سموم جلبکی مانند سیگواتوکسین، ساکسیتوکسین و دوموئیک اسید، کیفیت آب و دما)، و 3) پایگاههای دانش سموم نظیر ToxCastو T3DB. برای مدلسازی خطر، سه دسته الگوریتم شامل شبکههای عصبی عمیق، جنگلهای تصادفی و ماشین بردار پشتیبان (SVM) در نظر گرفته شدهاند. پروتکل ارزیابی مدلها مبتنی بر تقسیمبندی دادهها به مجموعههای آموزش، اعتبارسنجی و آزمون، همراه با اعتبارسنجی متقاطع است و معیارهای عملکردی شامل دقت، صحت، حساسیت و امتیاز F1 (و در صورت لزوم سطح زیر منحنی ویژگیهای عملیاتی) تعریف میشوند. انتخاب نهایی مدل بر اساس مقایسه این معیارها انجام خواهد گرفت. دامنه جغرافیایی جمعآوری دادههای میدانی، مسیرهای کشتیرانی و مناطق غواصی در خلیج فارس و دریای عمان است.
یافتهها: با توجه به ماهیت مفهومی و چارچوبمحور این مطالعه، در این مرحله نتیجه عددی یا آزمایشی گزارش نمیشود. خروجیهای اصلی عبارتند از: الف) طراحی معماری مدل و فلوچارت پردازش داده،(ب) مشخصات منابع داده و روشهای گردآوری آن (شامل حسگرهای دریایی، تصاویر ماهوارهای، پایگاههای سمشناسی و نمونههای ژنتیکی)، ج) پروتکل ارزیابی کمّی با شاخصهای مشخص، و د) تبیین روشن نوآوری تحقیق (ادغام ژنتیک، دادههای محیطی و هوش مصنوعی) و کاربردهای آن (در پزشکی غواصی و طب کار، امداد دریایی با کمک تلهمدیسین، پایش شکوفههای مضر جلبکی و سیستمهای هشدار زودهنگام). همچنین چالشهای کلیدی پیادهسازی (از جمله زیرساختهای محاسباتی در محیط دریایی، کیفیت و کاملبودن دادهها و ملاحظات اخلاقی مرتبط با دادههای ژنتیکی) و تأثیر آنها بر طراحی سامانه مورد بحث قرار گرفتهاند.
نتیجهگیری: این چارچوب مسیری برای پیادهسازی یک سامانه پیشبینی شخصیسازیشده فراهم میکند که میتواند به بهبود سلامت شغلی و تصمیمگیری بالینی از راه دور کمک کند. گام بعدی پژوهش، اعتبارسنجی تجربی با دادههای واقعی است.
|
|
| واژههای کلیدی: استعداد ژنتیکی، سموم دریایی، هوش مصنوعی، دریانوردان، پیشبینی سلامت. |
|
|
متن کامل [PDF 533 kb]
(35 دریافت)
|
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
طب دریا
دریافت: 1404/5/17 | پذیرش: 1404/8/28 | انتشار: 1404/9/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
