به نقل از «عصر ایران»

تشخیص کم خونی در عرض چند ثانیه!

تاریخ انتشار: ۷ بهمن ۱۴۰۲ | کد خبر: ۳۹۶۱۰۸۷۱

یک شرکت دانش بنیان فعال در حوزه تجهیزات پزشکی موفق به طراحی و تولید دستگاهی شده است که تنها در عرض چند ثانیه مشکل کمبود هموگلوبین افراد را تشخیص می‌دهد.

به گزارش مهر به نقل از معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری، فاطمه حاجی محمدحسینی ، مدیرعامل شرکت شناسل اظهار داشت: این مجموعه فعالیت در حوزه ساخت افزاره‌های آزمایشگاهی و آزمایش‌های خونی بر پایه ریزسیالات زیستی (Bio-Microfluidics) را با تیمی متشکل از دانش‌آموختگان دانشگاه‌های امیرکبیر و تهران در دانشگاه تهران آغاز کرد و در ادامه با تکمیل هسته مرکزی فنی و مدیریتی تیم در سال ۱۳۹۹ به عنوان تیم برگزیده دوره چهارم برنامه نوپا در مرکز راهبردی فناوری‌های همگرا(NBIC) انتخاب شد و در آذرماه سال ۱۳۹۹، فعالیت استارتاپ شکلی رسمی‌تر گرفت و در قالب شرکت با عنوان شناسایی افق سلامت به راه خود ادامه داد و در اسفند همان سال موفق به اخذ گواهی دانش بنیانی خود شد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

وی خاطرنشان کرد: در ادامه در مشارکت با شرکت پویندگان راه سعادت - از شرکت های پیشرو در تولید تجهیرات پزشکی در کشور - از سال ۱۴۰۰ تیم شناسل بر روی محصول اندازه گیری غلظت هموگلوبین با استفاده از تنها یک قطره خون به شکل POCT مشغول به فعالیت است.

تاثیر کم خونی بر مغز و اعصاب

حاجی محمدحسینی با اشاره به علائم متعدد جسمی و روانی کم خونی از قبیل خستگی، منگی، بی‌قراری، ضعف دستگاه ایمنی بدن و … گفت: تحقیقات نشان می‌دهد برخی اختلالات مانند سندروم پای بیقرار، علائم افسردگی، اختلالات خواب و اضطراب در افراد کم خون بیشتر دیده می‌شود. در دوران جنینی هم با توجه به تاثیر آهن بر دستگاه عصبی و مغز جنین، پایین بودن سطح آهن جنین که به شدت متاثر از سطح آهن مادر به ‌ویژه خانم‌های باردار ساکن مناطق محروم است ممکن است مشکلات مختلفی را برای دستگاه عصبی جنین برای مدت کوتاه ( کودکی) یا بلند مدت ایجاد کند.

تاثیرات کم خونی بر سالمندان

مدیر عامل شرکت دانش‌بنیان شناسل با بیان اینکه یک تحقیق انجام شده در سال ۲۰۱۸ نشان می‌دهد که ۱۲ تا ۴۷ درصد از افراد مسن به نوعی کم‌خونی مبتلا می‌شوند، افزود: شواهد دیگری نشان می‌دهد کم‌خونی به طور بالقوه حدود ۱۷٪ از جمعیت بالای ۶۵ سال را تحت تأثیر قرار می‌دهد و به طور خاص، حدود یک سوم موارد کم‌خونی در افراد مسن در اثر کم‌خونی فقر آهن ایجاد می‌شود.

وی ادامه داد: اگرچه برخی از موارد کم‌خونی فقر آهن ممکن است خفیف باشد، کم‌خونی در افراد مسن می‌تواند به تعدادی از پیامدهای نامطلوب از جمله بستری طولانی‌تر در بیمارستان و حتی مرگ‌ومیر منجر شود. در نتیجه تشخیص و درمان به موقع آن مهم است.

تاثیر کم خونی بر یادگیری دانش آموزان

حاجی محمدحسینی، کم خونی فقر آهن در کودکان سنین مدرسه را موجب کاهش قدرت یادگیری دانست و بیان کرد: ضریب هوشی کودکانی که درگیر فقر آهن هستند ۵ تا ۱۰ امتیاز کمتر از حد طبیعی برآورد می‌شود؛ همچنین در این کودکان میزان ابتلا به بیماری های عفونی بیشتر است زیرا سیستم ایمنی آنها قادر به مبارزه با عوامل بیماری زا نیست.

به گفته او، کم خونی تاثیر مستقیم بر رشد و تکامل سیستم عصبی دارد و می‌تواند بر سلامت روان و قدرت شناختی حافظه و یادگیری حتی تا پایان عمر تاثیر منفی بگذارد.

وی با اشاره به ساخت دستگاه Shenacell Hb۱۰۱ برای اندازه گیری کمی مقدار هموگلوبین در خون در این شرکت گفت: این دستگاه با استفاده از نمونه‌های مویرگی (نوک انگشت و...) یا وریدی در یک آنالیزگر با استفاده از میکروکووت‌های یکبار مصرف آن می تواند بدون کالیبراسیون و تنظیم قبلی به صورت فوری میزان هموگلوبین خون را اندازه‌گیری کند.

مدیرعامل این شرکت دانش‌بنیان خاطر نشان کرد: اندازه گیری هموگلوبین خون نشانه میزان غلظت خون و فراوانی گلبول های قرمز در آن است و تغییر در آن و بخصوص کاهش آن می تواند بسیار مهم باشد.

وی در ادامه از رایج ترین آزمایش های خون که توسط پزشکان از آزمایشگاه ها تحت عنوان اندازه گیری هموگلوبین درخواست می شود، یاد کرد و افزود: این وسیله می تواند یک قطره خون بیمار را در عرض چند ثانیه آنالیز کرده و میزان هموگلوبین آن را نشان دهد. اطلاعات دستگاه می توانند از کابل به رایانه منتقل شوند همچنین دستگاه همیشه آماده به کار بوده و با یکبار شارژ می تواند هزار تست بگیرد و در تشخیص و درمان بسیاری از بیماری ها کمک کننده است.

این کارشناس فناور تصریح کرد: سیستم Shenacell Hb۱۰۱ نتایج کمی غلظت هموگلوبین را با استفاده از نمونه‌های مویرگی یا وریدی ارائه می دهد و مبتنی بر اندازه گیری نوری هموگلوبین در خون رقیق نشده است.

کانال عصر ایران در تلگرام بیشتر بخوانید: چه عواملی باعث تیرگی دور چشم می‌شوند؟ توصیه‌هایی برای بزرگسالان بالای ۶۵ سال

منبع: عصر ایران

کلیدواژه: تشخیص کم خونی سریع السیر دانش بنیان اندازه گیری دانش بنیان فقر آهن کم خونی کم خون

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.asriran.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «عصر ایران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۹۶۱۰۸۷۱ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

انسان‌ها سوگیری یادگیری ماشینی را بیشتر از سوگیری خود تشخیص می‌دهند

یک پژوهش جدید نشان می‌دهد که افراد سوگیری تصمیم‌های الگوریتم‌ یادگیری ماشینی را بیشتر از سوگیری تصمیم‌های خودشان تشخیص می‌دهند. شاید بتوان از این ویژگی برای اصلاح سوگیری‌های انسان استفاده کرد.

به گزارش ایسنا، از برنامه‌هایی که تماشا می‌کنیم تا افرادی که استخدام می‌کنیم، الگوریتم‌ها به طور فزاینده‌ای در زندگی روزمره ما ادغام می‌شوند و بی‌سروصدا بر تصمیم‌هایی که می‌گیریم اثر می‌گذارند.

به نقل از ادونسد ساینس نیوز، هسته الگوریتم‌ها، مجموعه‌ای از قوانین یا دستورالعمل‌هاست که برای پردازش اطلاعات و به دست آوردن یک نتیجه خاص طراحی شده‌اند اما از آنجا که الگوریتم‌ها از الگوهای رفتاری انسان یاد می‌گیرند، می‌توانند سوگیری‌هایی را که درون ما وجود دارند، منعکس یا حتی تقویت کنند. با وجود این، یک پژوهش جدید نشان می‌دهد که این ممکن است زیاد بد نباشد.

«کری موروج»(Carey Morewedge) استاد «دانشگاه بوستون»(Boston University) معتقد است که این بازتاب می‌تواند نقاط کور سوگیری ما را روشن کند و در اصلاح رفتار نقش داشته باشد. الگوریتم‌های یادگیری ماشینی بسیار موفق هستند زیرا می‌توانند بی‌طرفانه الگوها را در مجموعه داده‌ها پیدا کنند اما در عین حال، سوگیری‌های انسانی را نیز در داده‌های آموزشی خود لحاظ کنند.

هنگامی که این سوگیری‌ها در الگوریتم‌ها شناسایی می‌شوند، می‌توانند به آشکارسازی سوگیری‌های بلندمدت در سازمان‌ها کمک کنند. به عنوان مثال، شرکت «آمازون»(Amazon) سوگیری جنسیتی را در شیوه‌های استخدام خود بررسی نکرده بود اما با آزمایش یک الگوریتم که رزومه‌های جدید را براساس شیوه‌های پیشین استخدام شرکت ارزیابی می‌کرد، به این موضوع پی برد.

موروج گفت: الگوریتم‌ها می‌توانند سوگیری‌های انسانی را کدگذاری و تقویت کنند اما سوگیری‌های ساختاری را نیز در جامعه ما نشان می‌دهند.

انسان‌ها سوگیری‌های خود را تشخیص نمی‌دهند

موروج و گروهش در پژوهش خود نشان دادند که افراد معمولا تمایل بیشتری را به تشخیص دادن و تصحیح کردن سوگیری‌های موجود در تصمیم‌گیری الگوریتم در مقایسه با تصمیم‌گیری خودشان دارند. آنها باور دارند که با دانستن این موضوع ممکن است بتوان از الگوریتم‌ها برای رسیدگی به سوگیری‌های موجود در تصمیم‌گیری‌ها استفاده کرد.

انسان‌ها به دلیل پدیده‌ای به نام «نقطه کور سوگیری»، برای دیدن سوگیری خود تلاش زیادی نمی‌کنند و بیشتر متوجه سوگیری افراد دیگر هستند. دلیل این است که ما می‌توانیم در فرآیندهای تصمیم‌گیری خود، سوگیری را توجیه کنیم یا برای آن بهانه بیاوریم. برای ناظری که هیچ اطلاعاتی درباره فرآیند فکری یا چگونگی تصمیم‌گیری ندارد، سوگیری‌ها واضح‌تر و بهانه‌جویی دشوارتر است.

موروج و همکارانش در این پژوهش نشان دادند که حتی وقتی الگوریتم‌ها براساس رفتارهای ما آموزش داده می‌شوند نیز این موضوع صادق است.

تشخیص دادن سوگیری در الگوریتم ساده‌تر است

پژوهشگران در یک مجموعه آزمایش، از شرکت‌کنندگان خواستند تا سرویس «ایربی‌ان‌بی»(AirBnB) و رانندگان «لیفت»(Lyft) را براساس معیارهای تشخیصی مانند تعداد ستاره‌ها، ارزیابی‌ها و مدت زمان حضور داشتن کنار راننده رتبه‌بندی کنند.

پژوهشگران معیارهای غیرتشخیصی مانند تصویر یا نام را که هیچ ارتباطی با کار ندارند، دستکاری کردند. شرکت‌کنندگان دو بار رتبه‌بندی را انجام دادند و سپس، رتبه‌بندی‌های آنها یا رتبه‌بندی الگوریتم آموزش‌داده‌شده نشان داده شد.

گاهی اوقات رتبه‌بندی خود شرکت‌کنندگان به آنها نشان داده می‌شد اما به آنها گفته می‌شد که رتبه‌بندی الگوریتم است. در همه سناریوها، شرکت‌کنندگان در مقایسه با الگوریتم‌ها سوگیری کمتری را در رتبه‌بندی‌های خود مشاهده کردند.

موروج گفت: مردم وقتی معتقدند که رتبه‌بندی‌ها توسط یک الگوریتم انجام شده است، تمایل بیشتری به سوگیری دارند. این در حالی است که ما در واقع الگوریتم را روی داده‌های آنها آموزش می‌دهیم و رتبه‌بندی الگوریتم براساس آن داده‌ها صورت می‌گیرد.

وی افزود: این به این معنا نیست که مردم انواع بیشتری از ویژگی‌ها را در الگوریتم‌ها می‌بینند، بلکه چیزهایی را می‌بینند که برای خودشان تهدیدکننده‌تر است. بیشتر مردم نمی‌خواهند از نژاد در رتبه‌بندی‌های خود استفاده کنند یا می‌خواهند نژاد را در آن رتبه‌بندی نادیده بگیرند. بنابراین، این ایده که نژاد بر آن رتبه‌بندی‌ها تأثیر گذاشته، تهدیدکننده است.

در نتیجه، از آنجا که سوگیری در یک الگوریتم به عنوان تصمیم‌گیری ناقص خود ما تلقی نمی‌شود، دیدن یا اعتراف کردن به وجود آن آسان‌تر است. به گفته موروج، این یافته دو روش را ارائه می‌دهد که الگوریتم‌ها به واسطه آن می‌توانند به انسان در کاهش سوگیری کمک کنند.

وی افزود: یک روش این است که تصمیم‌های خود را جمع‌آوری کنید و الگوها را ببینید که به شما کمک می‌کنند تا سوگیری را تشخیص دهید اما هنوز موانعی بر سر راه توانایی ما برای تشخیص دادن سوگیری‌ها وجود دارد. ما انگیزه‌هایی را برای محافظت از خود داریم.

موروج و گروهش با پیروی از این منطق، آزمایش دیگری را انجام دادند تا ببینند آیا احتمال بیشتری وجود دارد که شرکت‌کنندگان به اصلاح سوگیری در رتبه‌بندی‌های خود یا الگوریتم بپردازند. پس از مشاهده رتبه‌بندی‌ها، به شرکت‌کنندگان فرصت داده شد تا سوگیری را اصلاح کنند و احتمال بیشتری وجود داشت که اصلاحاتی را در رتبه‌بندی الگوریتم انجام دهند. موروج گفت: از آنجا که افراد سوگیری را بیشتر در رتبه‌بندی الگوریتم می‌بینند تا خودشان، احتمال بیشتری وجود دارد که رتبه‌بندی‌های الگوریتم را اصلاح کنند.

موروج اذعان داشت که این پژوهش هنوز در مراحل اولیه است اما او روش ملموسی را می‌بیند که از طریق آن می‌توان یافته‌ها را در آموزش دادن الگوریتم برای جلوگیری از سوگیری در دنیای واقعی ادغام کرد. وی افزود: اولین گام این است که افراد سوگیری‌های خود را بفهمند و آنها را ببینند. من فکر می‌کنم این الگوریتم‌ها، روش سودمندی برای ارائه دادن یک دیدگاه واقعی‌تر به افراد درباره میزان سوگیری آنها هستند.

این پژوهش در مجله «PNAS» به چاپ رسید.

انتهای پیام