یادگیری ماشین

مقدمه: نارسایی احتقانی قلب یکی از چالش های اصلی نظام های سلامت در جهان است که با افزایش جمعیت سالمند، شیوع آن رو به افزایش است. پیش بینی دقیق طول مدت بستری بیماران مبتلا می تواند نقش مهمی در مدیریت بهینه منابع بیمارستانی، کاهش هزینه های درمان و ارتقای کیفیت مراقبت های پزشکی ایفا کند. این مطالعه با هدف ارائه مدل پیش بینی مبتنی بر داده کاوی جهت تخمین مدت بستری بیماران مبتلا به نارسایی احتقانی قلب و شناسایی عوامل کلیدی مؤثر بر آن انجام شد. روش ها: این پژوهش تحلیلی-کاربردی به صورت مقطعی بر روی داده های ۳۴۲۱ بیمار بستری در دو بیمارستان سیدالشهدا و آیت الله طالقانی ارومیه طی سال های ۱۳۹۷ تا ۱۳۹۹ انجام شد. داده های بیمارستان سیدالشهدا برای آموزش (۸۰٪) و آزمون مدل (۲۰٪)استفاده شد. طول مدت بستری با الگوریتم K-means خوشه بندی و به دو خوشه کوتاه مدت و بلندمدت تفکیک شد. الگوریتم های یادگیری ماشین شامل جنگل تصادفی، درخت تصمیم(C5.0)، شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) برای طبقه بندی مدت بستری استفاده شد. همچنین از روش های بیش نمونه گیری، کم نمونه گیری و و SMOTE برای متعادل سازی کلاس ها، اعتبارسنجی متقاطع 10 تایی برای پایایی مدل ها و الگوریتم اپریوری برای کشف قوانین همبستگی بین متغیرها استفاده شد. یافته ها: جنگل تصادفی با صحت 87/14٪، حساسیت 97/56٪ و AUC معادل 85/40٪ بهترین عملکرد را داشت. متغیرهایی مانند کراتینین بالا، هموگلوبین پایین، جنسیت مرد و بیماری های زمینه ای عوامل مؤثر بر مدت اقامت بودند. نتیجه گیری: مدل پیشنهادی می تواند ابزاری مؤثر برای طبقه بندی مدت بستری بیماران نارسایی احتقانی قلب و پشتیبان تصمیم گیری های مدیریتی و بالینی در بیمارستان ها باشد.

میراث فرهنگی و هنری، به عنوان گواهی بر تاریخ و هویت بشری، با چالش های متعددی ناشی از زوال طبیعی، محدودیت دسترسی، پیچیدگی های مستندسازی و استخراج داده روبه رو است. فناوری های هوش مصنوعی و یادگیری ماشین، به عنوان ابزارهای تحول آفرین، راه حل های نوآورانه ای برای حفاظت، نگهداری، بازسازی و بازنمایی این میراث ارائه داده اند. این مقاله با هدف ارائه تحلیلی جامع و نظام مند از کاربردهای AI و ML در حوزه میراث فرهنگی و هنر، پتانسیل ها، محدودیت ها و جهت گیری های آتی این رویکردها را بررسی می کند. مطالعات موردی برجسته شامل کاربردهای بینایی کامپیوتری در بازسازی تصاویر، پردازش زبان طبیعی برای رمزگشایی متون کهن، تحلیل داده های عددی و طیفی برای شناسایی پدیده ها و ماهیت مواد فرهنگی، توسعه دستیاران هوشمند و تولید محتوای خلاقانه می باشد. روش شناسی این مطالعه مبتنی بر مرور بیبلومتریک و ارزیابی الگوریتم های محاسباتی کلاسیک و پیشرفته ML است که نشان می دهد هوش مصنوعی نه تنها دقت و سرعت فرآیندهای حفاظتی را افزایش می دهد، بلکه تجربه های تعاملی و پایداری فرهنگی را از طریق بازآفرینی میراث ناملموس و تحلیل های مولکولی-ژنتیکی تقویت می کند. با وجود چالش هایی همچون کیفیت ناکافی داده ها، مسائل اخلاقی مرتبط با اصالت و هزینه های بالای زیرساخت، پذیرش گسترده این فناوری ها محدود شده است. این مقاله فناوری های نوظهوری مانند مهندسی پرامپت، دستیاران هوشمند، NFT و متاورس، هوش مصنوعی کوانتومی، حفاظت پیش بینانه مبتنی بر اینترنت اشیا و چاپ سه بعدی هوشمند را به عنوان جهت گیری های آتی برجسته می کند که نویدبخش تحولات چشمگیر در عصر دیجیتال هستند. در نهایت، این مطالعه بر لزوم همکاری های بین رشته ای و توسعه استانداردهای اخلاقی برای بهره برداری مسئولانه از هوش مصنوعی در حوزه میراث فرهنگی تأکید می کند و راهنمایی ارزشمند برای پژوهشگران و سیاست گذاران در این زمینه ارائه می دهد.