انفورماتیک سلامت و زیست پزشکی
سال:1402 | دوره:10 | شماره:4 |تعداد مقالات:8

1  مقدمه: شناسایی و تشخیص بیماری آلزایمر موجود در بافت مغز از چالش های جدی شناسایی در حوزه پردازش تصاویر پزشکی است. در حال حاضر MRI، متداول ترین راه تشخیص آلزایمر در بین روش های تصویربرداری می باشد. عدم شناسایی صحیح بافت درگیر می تواند منجر به تشخیص نادرست به عنوان بافت سالم مغزی شود. الگوریتم یادگیری عمیق به عنوان فرآیند تشخیص ویژگی های مرتبط، اطلاعات مفید را استخراج می کند؛ لذا این پژوهش سعی دارد با استفاده از شبکه عصبی کانولوشنال در پردازش تصاویر پزشکی با دقت بهتری، نسبت به کارهای گذشته در تشخیص، انجام دهد. روش: با استفاده از شبکه عصبی کانولوشنی طراحی شده استخراج ویژگی های تصاویر  T1MRI  صورت گرفته است. تصاویر آلزایمر با استفاده از نرم افزار Matlab2023a تحلیل شده اند و خروجی های مد نظر حاصل شده اند. نتایج: تصاویر آلزایمر مغزی T1 پس از پیش پردازش و ورود به شبکه عصبی عمیق طراحی شده، مورد بررسی قرار گرفته اند که در خروجی حاصل از الگوریتم پیشنهادی، دقت شناسایی و سرعت شناسایی الگوریتم با بهبود ابر پارامترها در مقایسه با سایر روش های معمول بالاتر بود که دقت 96% و حساسیت 100% در شناسایی ارائه کرده است. نتیجه گیری: هدف از الگوی یادگیری عمیق این است که داده های تصویری با ابعاد بزرگ و تعداد زیاد  به شکل قابل فهم برای ماشین ها درآیند. انتظار می رود در آینده استخراج ویژگی با دقت بیشتری انجام شود و جزئیات بیشتری جهت بازشناسی اشیاء در تصویر، در اختیار سیستم های بینایی ماشین قرار گیرد.

1مقدمه: با توجه به جایگاه واحد فن آوری اطلاعات در زمینه حفظ، نگهداشت و ارتقای سیستم های اطلاعاتی و ارائه اطلاعات به هنگام به افراد مختلف، خدماتی که در این واحد ارائه می شود باید دارای کیفیت بالا باشد. در همین راستا، پژوهش حاضر با هدف ارزیابی کیفیت خدمات واحد فن آوری اطلاعات در سه بیمارستان منتخب شهر اصفهان با استفاده از مدل سروپرف انجام شد. روش: پژوهش حاضر از نوع کمی و کاربردی است. جامعه آماری کلیۀ کارکنان خدمت گیرنده از واحد فن آوری اطلاعات بیمارستان های دانشگاهی شهر اصفهان بود. حجم نمونه بر اساس جدول مورگان 351 نفر به دست آمد. کیفیت خدمات واحد فن آوری در بیمارستان های مورد بررسی  با استفاده از پرسشنامه استاندارد مدل سروپرف (غیر وزنی) در پنج حیطه مورد بررسی قرار گرفت. نتایج: نتایج نشان داد میانگین به دست آمده برای کیفیت کلی خدمات واحد فن آوری اطلاعات برابر 3/23 بود که از نظر آماری با مقدار متوسط 3، تفاوت معنی دار داشت (0/05>p). بالاترین میانگین را ابعاد قابلیت اطمینان با میانگین 3/28 و پاسخگویی با میانگین 3/25 و کمترین میانگین را ابعاد فیزیکی و ملموسات با میانگین 3/14 داشتند. نتیجه گیری: باتوجه به نتایج به دست آمده مبنی بر شکاف منفی موجود در کیفیت خدمات واحد فناوری اطلاعات بیمارستان ها پیشنهاد می گردد به منظور بالا بردن کیفیت خدمات در بعدهای همدلی، پاسخگویی بهتر، جلب رضایت، تواضع و حسن نیت و به روز بودن اطلاعات کلاس های آموزشی به صورت مدون برای کارکنان واحد فناوری اطلاعات برگزار گردد.

1مقدمه: امروزه یکی از شایع ترین علت مرگ بزرگسالان در سراسر دنیا سکته قلبی می باشد. طبق اعلام وزارت بهداشت، درمان و آموزش پزشکی، 11 تا 15 درصد مرگ و میرها در کشور ناشی از سکته قلبی است و در جهان،   ایران بالاترین آمار مرگ ناشی از بیماری قلبی را دارا می باشد. تخمین زده شده که در سال 2022، مرگ و میر ناشی از این بیماری ها به 20 میلیون نفر افزایش یابد؛ بنابراین پیش بینی کردن این بیماری از جمله مباحث چالش برانگیز در مبحث پزشکی می باشد و امروزه اکثر سیستم های پیش بینی با استفاده از الگوریتم های هوش مصنوعی و یادگیری ماشین به وجود آمده اند. روش: پژوهش حاضر از نوع کاربردی و توصیفی است، که در سال 1401 با استفاده از اطلاعات 600 نفر از افراد مراجعه کننده به بیمارستان پیمانیه و مطهری شهرستان جهرم انجام شده است. در این پژوهش داده ها بر اساس منابع موجود از هر دو بیمارستان جمع آوری شدند. به منظور پیاده سازی و ارزیابی نتایج از زبان برنامه نویسی متلب استفاده شده است. نتایج: پارامترهای به کاررفته در این پژوهش جزء پارامترهای دسته بندی می باشد که شامل: نرخ دسته بندی، صحت، فراخوان و F سنجش می باشند که به ترتیب مقادیر 90/7، 90/2، 91/5 و 90/8  به دست آمده است. نتیجه گیری: نتایج نشان می دهند که مدل پیشنهادی قادر خواهد بود که با درصد بالایی احتمال وقوع سکته را پیش بینی کند

1مقدمه: سیستم CRISPR/Cas، سیستم ایمنی اکتسابی باکتری­ها در مقابله با عوامل مهاجم خارجی است. پروتئین Cas9 باکتری استرپتوکوکوس پیوژنز، رایج­ترین پروتئین Cas استفاده شده در ویرایش ژنوم می­باشد؛ اما پروتئین­های Cas9 دارای مشکلاتی مانند وقوع جهش­های نابه جا هستند که مانعی مهم در مسیر به کارگیری آن­ها برای مقاصد درمانی می­باشد. هدف از این مطالعه، طراحی یوانفورماتیکی یک پروتئین Cas9 جهش یافته به منظور افزایش دقت آنزیم در امر ویرایش ژنوم است.   روش: در این مطالعه ابتدا با انتخاب برخی از جهش­ها و اعمال آن در پروتئین، Cas9 جدید به صورت in silico طراحی شد. با روش داکینگ مولکولی نحوه اتصال spCas9 جهش یافته و وحشی به DNA مورد بررسی قرار گرفت. در آخر، پایداری دو پروتئین جهش یافته و وحشی با استفاده از دینامیک مولکولی مورد ارزیابی قرار گرفت. نتایج: نتایج این مطالعه منجر به طراحی یک پروتئین جهش یافته با 5 جهش شد. نتایج داکینگ مولکولی امتیاز 1073/86-را برای پروتئین تیپ وحشی و امتیاز 349/41-را برای پروتئین جهش یافته نشان داد. نتیجه گیری: بررسی داکینگ مولکولی نشان داد که از پیوندهای بین پروتئین و DNA در حالت جهش یافته کاسته شده است. همچنین، نتایج دینامیک مولکولی نشان داد که پایداری دو پروتئین جهش یافته و تیپ وحشی مشابه یکدیگر می باشند.

1مقدمه: نقشه راه ابزاری برای کمک به سازمان ها برای تسهیل اجرای موفق هر فناوری می باشد. بر این اساس، هدف این پژوهش، شناسایی و اولویت بندی مراحل پیاده سازی نقشه راه فناوری بلاکچین در سازمان های سلامت محور می باشد. روش: به منظور پالایش و ارزیابی تناسب مراحل مستخرج از ادبیات موضوع، از روش دلفی فازی استفاده شده است. دسترسی به مطمئن ترین توافق گروهی خبرگان درباره موضوعی خاص است که با استفاده از پرسشنامه و نظرخواهی از خبرگان، به دفعات با توجه به بازخورد حاصل از آن ها صورت می پذیرد. نتایج: پس از شناسایی و استخراج عوامل از طریق مطالعه مقالات مختلف و بومی سازی و تعیین میزان اهمیت متغیرها، با اعمال محدودیت وزنی در مدل، میزان موافقت خبرگان با هرکدام از مؤلفه ها اخذ شده و نقطه نظرات پیشنهادی و اصلاحی آن ها تقسیم بندی شده است. میانگین قطعی حاصل، نشان دهنده شدت موافقت خبرگان با هرکدام از عوامل پژوهش می باشد. نتیجه گیری: نتایج نظرسنجی دیدگاه های خبرگان نشان می دهد که اولویت های رصد فناوری، شناسایی کاربرد فناوری بلاکچین در سازمان، شناسایی چالش های ساختاری، فنی، حقوقی و مالی، طراحی، رفع موانع حاکمیتی و بالادستی، سرمایه گذاری متناسب، همکاری زیرساخت قدیمی، جدید و افزایش عضویت دارای اهمیت بالا و اولویت های آموزش اولیه، شناسایی مزایای تحول دیجیتال و مزیت رقابتی، ذی اثران داخلی و خارجی و گسترش مدل کسب وکار به بخش های دیگر از اهمیت پایین تری برخوردار هستند.

1مقدمه: مجموعه حداقل داده، ابزاری مهم در نظام های ثبت و برنامه های نظارتی تلقی می گردد که امکان جمع آوری و انتقال داده ها در سطح کشور را فراهم می نماید. با توجه به اهمیت بیماری سل در ایران و به ویژه بروز بالای این بیماری در استان های حاشیه ای کشور، مطالعه حاضر با هدف تعیین مجموعه حداقل داده ها برای پرونده الکترونیک بیماران سل طراحی و اجرا گردید. روش: مطالعه حاضر یک مطالعه توصیفی است که در طی دو مرحله انجام شد. در مرحله اول، برای شناسایی عناصر داده بررسی جامعی در پایگاه داده های SID، Magiran، PubMed، Direct Science صورت گرفت. داده ها با استفاده از فرم استخراج داده، جمع آوری و با استفاده از پرسشنامه و روش دلفی به نظرسنجی گذاشته شدند. برای تحلیل داده ها از آمار توصیفی و نرم افزار SPSS نسخه16 استفاده گردید. نتایج: مجموعه حداقل داده های بیماری سل به دو دسته داده های مدیریتی با 5 کلاس و 35 عنصر، و داده های بالینی با 5 کلاس و 43 عنصر داده تقسیم شدند. نتیجه گیری: مجموعه حداقل داده های سل برای مدیریت هر چه بهتر این بیماری و ثبت اطلاعات بیماران مبتلا به این بیماری بسیار مؤثر می باشد. نتایج این مطالعه می تواند به پژوهشگران و توسعه دهندگان جهت طراحی و راه اندازی سیستم اطلاعاتی یکپارچه ثبت اطلاعات بیماران مبتلا به سل کمک نماید.

1مقدمه: از زمان شروع سال 2020، SARS-CoV-2 به طور قابل توجهی باعث بیماری تعداد زیادی از افراد شده و تحقیقات گسترده ای را به سوی خود جلب کرده است. پپتیدهای ضد میکروبی به دلیل ایمنی، کارایی و ویژگی منحصر به فرد خود به عنوان یک راه امیدوارکننده برای درمان پاتوژن های ویروسی در حال ظهور شناخته می شوند. روش: در این مطالعه ابتدا 104 پپتید طبیعی ضدمیکروبی از پایگاه های داده APD انتخاب شدند. سپس با سرور pepfold3 ساختار سوم پپتیدها مدل سازی شد. ساختارها پس از اصلاح و بهینه سازی آماده عملیات داکینگ شدند. متعاقباً داکینگ پپتید-پروتئین با نرم افزار اتوداک وینا انجام شد. بهترین کمپلکس پپتید-پروتئین که انرژی اتصال مناسبی در خروجی داکینگ داشت برای شبیه سازی مولکولی با برنامه گرومکس انتخاب شد. شبیه سازی به مدت 100 نانوثانیه در دمای 310 درجه کلوین و pH: 7 انجام شد. از میدان نیروی gromos54a7 و مدل آب spc به عنوان حلال استفاده گردید. نتایج: نتایج به دست آمده از دینامیک مولکولی، پایداری ساختار کمپلکس ها و محاسبات انرژی را بررسی می کند. آنالیزهای RMSD، RMSF، شعاع ژیراسیون و SASA نشان داد که کمپلکس پپتید-پروتئین در طی شبیه سازی پایدار است و آنالیزهای LJ، CL، HBond و ΔG جهت محاسبه انرژی بین پپتید و پروتیئن Spike انجام شد. نتیجه گیری: نتایج مطالعه نشان داد که پپتیدهای ضدمیکروبی می توانند به عنوان مهارکننده و با انرژی اتصال مطلوبی به پروتئین  اسپایک SARS-CoV-2 متصل شوند و در نتیجه، این پپتیدها می توانند برای مطالعات درمانی و تجربی Covid-19 استفاده شوند.

1مقاله از نوع نامه به سردبیر است لذا فاقد چکیده می باشد.