نموذج ذكاء اصطناعي مصمم للأمهات الهنديات يعزز تحديد عمر الجنين

- أطلق باحثون هنود في معهد تشيناي للتكنولوجيا (IIT Madras) ومعهد العلوم الصحية والتكنولوجيا (THSTI) نموذج ذكاء اصطناعي يُدعى "Garbhini-GA2"، مصمم خصيصًا للأمهات الهنديات، مما يحسّن دقة تقدير عمر الجنين خلال الثلث الثاني والثالث من الحمل.
- تواجه نماذج تقدير عمر الحمل الحالية القائمة على المعايير الغربية تحديات بسبب التأخر في بدء الرعاية ما قبل الولادة والتنوع العرقي في الهند، مما يقلل من دقتها.
- بعد التحقق من صحة نموذج Garbhini-GA2، قد يُحسّن بشكل كبير الرعاية ما قبل الولادة في الهند، مع إمكانية تقليل معدلات وفيات الأمهات والأطفال الرضع من خلال توفير معلومات دقيقة حول عمر الحمل.
في تعاون رائد، كشف باحثون من المعهد الهندي للتكنولوجيا مادراس (IIT Madras) ومعهد العلوم والتكنولوجيا الصحية الانتقالية (THSTI) عن نموذج ذكاء اصطناعي (AI) مخصص للهند، مصمم لتحديد عمر الجنين بدقة لدى النساء الحوامل خلال الثلثين الثاني والثالث. يعالج هذا البحث المتطور، الذي أُجري كجزء من برنامج 'المجموعة متعددة التخصصات للبحث المتقدم حول نتائج الولادة - مبادرة DBT الهندية' (GARBH-Ini)، التحديات التي تواجه في تقدير العمر الحملي (GA) بدقة في السياق الهندي.
يُعدّ تقدير عمر الحمل بدقة أمراً محورياً لتقديم الرعاية المثلى للنساء الحوامل، ومراقبة سلامة الجنين، وتحديد ومضاعفات الحمل وإدارتها. ومع ذلك، في الهند، يُشكّل البدء المتأخر في رعاية ما قبل الولادة تحدياً كبيراً، حيث غالباً ما يبدأ في وقت متأخر يصل إلى 14 أسبوعاً بعد الحمل. هذا التأخير يعقّد الأساليب التقليدية مثل تاريخ آخر دورة شهرية (LMP)، نظراً لعدم اليقين بشأن تذكر تاريخ آخر دورة شهرية والدورات الشهرية غير المنتظمة.
تنوع الهند العرقي يعمّق من صعوبة تقدير عمر الحمل، مع وجود اختلافات في أنماط نمو الجنين والقياسات البيومترية لا تأخذها النماذج الغربية في الاعتبار. تساهم التغذية الصحية للأم، وحالاتها الصحية، والعوامل الجينية في أنماط نمو جنينية متنوعة، مما يستلزم نماذج مخصصة للسكان لضمان تقييم دقيق لعمر الحمل.
إطلاق Garbhini-GA2: نموذج مصمم خصيصاً للهند
لمواجهة هذه التحديات، طوّر الباحثون نموذج Garbhini-GA2 باستخدام بيانات من دراسة مجموعة GARBH-Ini، وهي دراسة شاملة لفحص البيانات السريرية للنساء الحوامل في الهند. سمح تحليل هذه البيانات للباحثين بتحديد المعلمات الرئيسية المؤثرة في تقدير عمر الحمل في الثلثين الأخيرين. يدمج Garbhini-GA2 القياسات البيومترية الفريدة للجنين وأنماط النمو الملاحظة في السكان الهنود.
أظهرت التقييمات المقارنة مع الصيغ الحالية، مثل صيغة Hadlock وInterGrowth-21st، الدقة المتفوقة لنموذج Garbhini-GA2. كشفت مقاييس مثل الخطأ التربيعي المتوسط الجذر، والتحيز، ومعدلات الولادة المبكرة أن Garbhini-GA2 قلل بشكل كبير من الخطأ الوسيط في تقدير عمر الحمل بأكثر من ثلاثة أضعاف مقارنة بصيغة Hadlock. هذا يبرز ملاءمته الفائقة للسكان الهنود.
أشاد الدكتور راجيش غوخالي، أمين قسم التكنولوجيا الحيوية في حكومة الهند، بتطوير النماذج المخصصة للسكان، مشدداً على النتائج المرموقة التي حققتها ضمن مبادرة GARBH-Ini. وأشار إلى أن هذه النماذج تخضع حالياً للتصديق في جميع أنحاء البلاد.
بمجرد التصديق عليها، يحمل نموذج Garbhini-GA2 القدرة على إحداث ثورة في رعاية ما قبل الولادة في الهند. يمكن لنشر هذا النموذج في العيادات في جميع أنحاء البلاد أن يعزز الرعاية التي يقدمها أطباء النساء والتوليد وأطباء حديثي الولادة، مما يقلل من معدلات وفيات الأمهات والأطفال الرضع.
الآفاق المستقبلية وتأثيرها على الرعاية الصحية
هذا البحث الرائد، الذي يقوده الدكتور هيمانشو سينها من المعهد الهندي للتكنولوجيا في مادراس (IIT Madras) والدكتورة شينجيني باتناغار، المحققة الرئيسية لمبادرة GARBH-Ini في معهد THSTI، على أعتاب تحويل رعاية ما قبل الولادة. يُعدّ تقدير عمر الحمل بدقة أمراً حاسماً في إدارة المضاعفات مثل سكري الحمل وتسمم الحمل، مما يتيح مراقبة وعلاجاً محدداً بناءً على مرحلة الحمل. علاوة على ذلك، يضمن موثوقية البيانات لأبحاث النتائج مثل ولادة جنين ميت، والولادة المبكرة، وتقييد نمو الجنين.
يشكّل تطوير ونشر نموذج Garbhini-GA2 قفزة كبيرة في معالجة التحديات الفريدة لتقدير عمر الحمل في الهند. يعد هذا الابتكار المدعوم بالذكاء الاصطناعي بتحسين نتائج الرعاية الصحية للأمهات والأطفال، وتوفير نهج مخصص ودقيق لتحديد عمر الحمل. ومع خضوع النموذج للتصديق، قد يؤدي تنفيذه بنجاح في العيادات في جميع أنحاء البلاد إلى عصر جديد من رعاية الأمهات وحديثي الولادة، مما يرسخ مكانة الهند في طليعة حلول الرعاية الصحية المبتكرة.
لا تكتفِ بقراءة أخبار العملات الرقمية فحسب، بل افهمها. اشترك في نشرتنا الإخبارية. مجانية.
إخلاء مسؤولية. المعلومات المقدمة ليست نصيحة تداول. Cryptopolitan.com لا تتحمل أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المقدمة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو الاستعانة بمستشار مؤهل قبل اتخاذ أي قرارات استثمارية.

بريندا كانانا
تمتلك بريندا أكثر من 4 سنوات من الخبرة المتخصصة في العملات الرقمية والذكاء الاصطناعي والتقنيات الناشئة. عملت في Zycrypto وBlockchain Reporter وThe Coin Republic، وهي الآن جعلت Cryptopolitan منزلها. يحافظ شهادتها في علم الاجتماع من جامعة مومباسا التقنية على تواصلها مع نبض قرائها.
















