به گزارش خبرگزاری مهر، سمیرا مسعودی در پایان نامه خود موفق به تشخیص زودهنگام بیماری خطرناک در نوزادان نارس براساس سیگنال های قلبی شد.
وی در این خصوص گفت: در این پروژه سری های زمانی حاوی اطلاعات مبتنی بر رخداد آپنه- برادیکاردی از سیگنال های قلبی استخراج و روش های کلاسیک و مبتنی بر مدل مخفی مارکوف بر اساس این سری های زمانی، پیاده سازی و مقایسه شده‌اند.
وی بیان داشت: در این تحقیق اثر استفاده از داده‌ها بصورت مجزا و چند بعدی در الگوریتم‌های مدل مخفی مارکوف و مدل مخفی نیمه مارکوف و همینطور با در نظرگرفتن برهمکنش بین داده‌ها در الگوریتم مدل مخفی مارکوف کوپلاژ شده مورد بررسی قرار گرفته‌اند.
ایست تنفسی طولانی مدت به همراه افت در نرخ ضربان قلب، بیماری است که درصد زیادی از نوزادان نارس به آن مبتلا می‌شوند.
این بیماری که به آپنه- برادیکاردی موسوم است، حدود نیمی از نوزادانی که در دوره ۳۰ تا ۳۱ هفتگی جنینی متولد شده و حدود سه چهارم نوزادانی که بین ۲۲ تا ۲۷ هفتگی متولد می‌شوند را مبتلا می‌کند که به دنبال آن میزان جذب اکسیژن و در نتیجه فعالیت سلول های مربوط به بافت های مهم بدن از جمله مغز کاهش یافته و تکرار آن مانعی در برابر رشد سیستم عصبی نوزاد است که می‌تواند منجر به ضعف و یا فلج حرکتی دائمی شده و یا حتی زمینه مرگ ناگهانی در بسیاری از نوزادان را فراهم آورد.
به همین دلیل نوزادان نارس در بخش مراقبت‌های ویژه نوزادان ( NICU ) تحت مانیتورینگ دائمی قلبی و تنفسی قرار می‌گیرند تا سیگنال‌های قلبی و تنفسی آنها به منظور تشخیص هرچه سریعتر علائم گویای وقوع آپنه-برادیکاردی ثبت شود.
اهمیت سرعت در تشخیص رویداد آپنه- برادیکاردی به دلیل عملیاتی است که لازم است هر چه سریعتر و به دنبال اعلام خطر نمایشگر توسط پرستار مراقب انجام شود که شامل به حرکت در آوردن نوزاد، برای تنفس مجدد و یا قرار دادن ماسک تنفس و یا نهایتاً لوله‌گذاری تنفسی است. این تأخیر زمانی تا واکنش برای پرستار طولانی به نظر میرسد.
بر اساس آمارها حدود ۷ درصد از نوزادان به صورت نارس به دنیا می‌آیند و پردازش سیگنال‌های قلبی از روش‌هایی است که برای تشخیص زود هنگام این بیماری در جهان به کار می‌رود به همین دلیل پژوهشگران همواره برای توسعه این روش در حال تحقیق هستند.
لازم به ذکر است، داده‌های ثبت شده‌ی مربوط به سیگنال های قلبی تعدادی نوزاد در بیمارستان دانشگاه «رن» فرانسه مورد استفاده قرار گرفته‌اند.