برنامه های کاربردی یادگیری ماشین و هوش مصنوعی برای همه گیر Covid-19 (SARS-CoV-2

زمینه و هدف

در طی فوریت های جهانی اخیر ، دانشمندان ، پزشکان و متخصصان مراقبت های بهداشتی در سراسر جهان در جستجوی یک فناوری جدید برای پشتیبانی از مقابله با بیماری همه گیر Covid-19 هستند. شواهد کاربرد Machine Learning (ML) و هوش مصنوعی (AI) در مورد اپیدمی قبلی محققان را با ارائه زاویه جدیدی برای مبارزه با شیوع Coronavirus رنج می برد. این مقاله با هدف بررسی جامع نقش AI و ML به عنوان یک روش مهم در عرصه غربالگری ، پیش بینی ، پیش بینی ، ردیابی تماس و تهیه دارو برای SARS-CoV-2 و بیماری همه گیر مرتبط با آن انجام شده است.

روش

ارزیابی انتخابی از اطلاعات مربوط به مقاله تحقیق روی پایگاه داده های مربوط به کاربرد فناوری ML و هوش مصنوعی در Covid-19 انجام شد. تجزیه و تحلیل سریع و انتقادی از سه پارامتر مهم ، به عنوان مثال ، انتزاعی ، روش ، و نتیجه گیری برای ارتباط با احتمالات مدل برای مقابله با اپیدمی SARS-CoV-2 انجام شد.

نتیجه

این مقاله به مطالعات اخیر می پردازد که از فناوری ML و AI برای تقویت محققان در زوایای مختلف استفاده می شود. همچنین ضمن استفاده از چنین الگوریتم هایی در مشکلات دنیای واقعی ، به چندین خطا و چالش می پردازد. در این مقاله همچنین به پیشنهادات انتقال محققان در زمینه طراحی مدل ، متخصصان پزشکی و سیاست گذاران در شرایط فعلی ضمن مقابله با بیماری همه گیر Covid-19 و پیش رو خواهیم پرداخت.

نتیجه

پیشرفت در حال توسعه در AI و ML به طور قابل توجهی بهبود یافته است درمان ، دارو ، غربالگری ، پیش بینی ، پیش بینی ، ردیابی تماس ، و روند توسعه دارو / واکسن برای بیماری همه گیر Covid-19 و کاهش مداخلات انسان در عمل پزشکی. با این حال ، بسیاری از مدل ها به اندازه کافی برای نشان دادن عملکرد در دنیای واقعی خود مستقر نشده اند ، اما هنوز هم برای مقابله با بیماری همه گیر SARS-CoV-2 در معرض دید هستند.

واژه‌های کلیدی: Covid-19 ، یادگیری ماشین ، هوش مصنوعی ، همه گیر

قابل اعتماد و متخصص:

1. معرفی

چندین شیوع بیماری وجود دارد که در تاریخ جهانی به بشریت حمله کرده است. سازمان بهداشت جهانی (WHO) ، پزشکان همکار آن و مقامات مختلف ملی در سراسر جهان تا به امروز با این بیماری همه گیر مبارزه می کنند. از آنجا که اولین مورد بیماری Covid-19 (Coronavirus) در دسامبر 2019 منطقه ووهان در چین تأیید شد ، شیوع این بیماری همچنان در سراسر جهان رواج دارد ، و در 30 ژانویه سال 2020 WHO این بیماری همه گیر را به عنوان نگرانی بین المللی اضطراری بهداشت عمومی اعلام کرد [1]. رمان بیماری Coronavirus (SARS-CoV-2) در بیش از 185 کشور جهان آلوده شد و بیش از 7،145،800 فرد را آلوده کرد و تا 09 ژوئن سال 2020 منجر به مرگ 407.067 شد [2،3]. برای پرداختن به این بیماری همه گیر جهانی ، WHO ، دانشمندان و پزشکان در صنایع پزشکی در جستجوی فن آوری جدید برای غربالگری بیماران آلوده در مراحل مختلف ، یافتن بهترین آزمایشات بالینی ، کنترل شیوع این ویروس ، ایجاد واکسن برای درمان بیماران آلوده ، تماس با ردیابی از بیمار آلوده مطالعات جدید نشان می دهد که ماشین یادگیری و هوش مصنوعی نویدبخش تکنولوژی هستند که توسط ارائه دهندگان مراقبت های بهداشتی مختلف به کار می روند زیرا منجر به پیشرفت بهتر در مقیاس ، سرعت پردازش سریع ، قابل اعتماد و حتی بهتر از عملکرد انسان در کارهای خاص مراقبت های بهداشتی می شوند [4]. بنابراین ، صنایع و پزشکان بهداشت و درمان در سراسر جهان از فناوری ML و AI مختلفی برای مقابله با بیماری همه گیر Covid-19 برای مقابله با مشکلات موجود در شیوع استفاده کرده اند. در صنایع پزشکی ، هوش مصنوعی برای جایگزینی تعاملات انسانی اعمال نمی شود ، بلکه برای ارائه پشتیبانی از تصمیم پزشکان در مورد آنچه در آن الگوسازی شده است ، استفاده می شود [5].

در این مقاله به رمان اپیدمی Covid-19 و نحوه استفاده اخیر فناوری مدرن هوش مصنوعی و ML برای حل چالش ها در هنگام بیرون آمدن پرداخته شده است. ما بررسیهای جامع از مطالعات در مورد مدل و فناوری کاربردی برای مقابله با رمان همه گیر Covid-19 را ارائه می دهیم. این مطالعات بیشتر در مورد انواع روشهای هوش مصنوعی و ML اخیراً به کار رفته در ادغام و انواع مجموعه داده ها ، عملکرد نهایی هر مدل پیشنهادی ، و ارائه دهنده جوانب مثبت و منفی تکنیک های مدرن است.

قابل اعتماد و متخصص:

2. ML و AI اخیراً برای مقابله با شیوع مراقبت های بهداشتی SARS-CoV-2 به کار گرفته اند

از فناوری AI و ML برای بهبود دقت پیش بینی برای غربالگری بیماریهای عفونی و غیر عفونی استفاده می شود [6]. رابطه با مراقبت های بهداشتی با تکامل اولین سیستم تخصصی به نام MYCIN که در سال 1976 توسعه یافته است آغاز می شود [7]. MYCIN به منظور استفاده از 450 قانون جمع آوری شده از یک پزشک پزشکی برای درمان عفونت باکتریایی با پیشنهاد آنتی بیوتیک به بیماران طراحی شده است. چنین سیستم تخصصی به عنوان پشتیبانی تصمیم گیری بالینی برای پزشکان و متخصصان پزشکی عمل می کند [8]. مطالعات اخیر مشهود در مورد چشم انداز فناوری ML و AI برای شیوع بیماری همه گیر ، این امر از متخصصان مراقبت های بهداشتی در بیماری های مختلف واگیر (SARS ، EBOLA ، HIV ، COVID_19) پشتیبانی می کند [9] ، [10] ، [11] ، [12] ، [13] ، [14] ، [15] ، [16] ، [17] و بیماریهای غیر واگیر (سرطان ، دیابت ، بیماری قلبی و سکته مغزی) [18] ، [19] ، [20] ، [21] ، [22] ، [23] ، [24] ، [25] شیوع.

2.1. فناوری ML و هوش مصنوعی در غربالگری

مطالعات اخیر یک ابزار کمکی برای افزایش دقت در تشخیص Covid-19 با مدل جدید تشخیص خودکار COVID-19 مبتنی بر الگوریتم یادگیری عمیق طراحی می کند [29]. مدل توسعه یافته از تصاویر اشعه ایکس سینه خام از 127 بیمار آلوده با 500 پرونده بدون علامت و پنومونی 500 پرونده استفاده می کند. با دقت عملکرد قابل توجه ، کلاس باینری 98.08٪ و چند کلاس با 87.02٪. چند کلاس قابلیت استفاده از سیستم خبره را برای کمک به رادیولوژی در اعتبار سنجی در فرآیند غربالگری به سرعت و دقیق ثابت کرد.

علاوه بر این ، محققان چهار ویژگی مهم پزشکی ترکیبی از ویژگیهای بالینی ، آزمایشگاهی و اطلاعات جمعیت شناختی را با استفاده از GHS ، درصد CD3 ، پروتئین کل و سن بیمار با استفاده از ماشین بردار پشتیبان به عنوان الگوی اصلی طبقه بندی ویژگی ها یافته اند [30]. مدل جدید در پیش بینی بیماران در شرایط بحرانی / شدید مؤثر و قوی است ، و نتایج تجربی نشان می دهد که ترکیبی از چهار ویژگی AUROC 0.9996 و 0.9757 را به ترتیب در آموزش و آزمایش مجموعه داده ها نشان می دهد. بقا و تجزیه و تحلیل رگرسیون چند متغیره متغیره اهمیت مدل را به سمت و ابزارهای کمکی برای متخصص مراقبت های بهداشتی نشان داد.

محققان پس از ارزیابی 253 نمونه خون بالینی از ووهان ، یازده (بیلی روبین کل ، ایزوآنزیم کراتین کیناز ، GLU ، کراتینین ، کلسیم ، لاکتات دهیدروژناز ، عرض توزیع پلاکت ، کلسیم ، بازوفیل ، پروتئین کل و منیزیم را یافتند ابزاری برای تبعیض Covid-19 برای متخصص مراقبت های بهداشتی به منظور تشخیص سریع [31]. مطالعات نشان می دهد که 11 شاخص مربوطه پس از به کارگیری الگوریتم تصادفی جنگل با دقت کلی به ترتیب 95.95٪ و ویژگی 97/96٪ استخراج می شوند. علاوه بر این ، نویسندگان منتشر کرده اند که این ابزارها مستقر شده اند و برای کمک به متخصصان مراقبت های بهداشتی در وب سرور به آدرس http://lishuyan.lzu.edu.cn/COVID2019_2/ در دسترس هستند.

مطالعات فوق شواهدی از کاربرد سیستم خبره ارائه می دهد. تشخیص سریع تشخیص سریع ، هدف اصلی همراه با افزایش دقت بود. تشخیص سریع و زودرس ، شیوع بیماری را کاهش می دهد و زمان بیشتری را به متخصص بهداشت و درمان اختصاص می دهد تا با تشخیص بعدی برای نجات جان بیشتر ، و در نتیجه هزینه های پزشکی کم هزینه ، مطابقت داشته باشد. با این حال ، اکثر مقاله مورد مطالعه از یک الگوریتم طبقه بندی منفرد بر روی داده های فردی یا بیشتر استفاده می کنند. بنابراین پیشنهاد می شود با استفاده از الگوریتم پتانسیل بیشتری در چند بانک اطلاعاتی یا پایگاه داده ترکیبی متشکل از داده های بالینی ، ماموگرافی و جمعیتی ، از یک روش طبقه بندی ترکیبی استفاده شود ، زیرا هر نوع داده دارای یک عامل مهم است که می تواند هویت واقعی بیماران آلوده و استقرار برنامه در دنیای واقعی.

2.2. فن آوری ML و AI در ردیابی مخاطب SARS-Cov-2

اگر فردی با Covid-19 تشخیص داده شود و تأیید شود ، مرحله مهم بعدی پیشگیری از تماس با ما در جلوگیری از شیوع گسترده تر بیماری است. مطابق WHO ، عفونت از طریق شخص به فرد ، از طریق بزاق ، قطرات یا ترشحات از بینی از طریق انتقال تماس گسترش می یابد [32]. برای دستیابی به کنترل گسترش SARS-Cov-2 ، ردیابی مخاطب یک ابزار مهم بهداشت عمومی است که برای شکستن زنجیره انتقال ویروس مورد استفاده قرار می گیرد [33]. فرایند ردیابی تماس برای شناسایی و مدیریت افرادی است که اخیراً در معرض یک بیمار آلوده Covid-19 قرار دارند تا از شیوع بیشتر آن جلوگیری شود. به طور کلی ، این روند فرد آلوده را به مدت 14 روز از زمان مواجهه با پیگیری شناسایی می کند. در صورت به کارگیری کامل ، این فرایند می تواند زنجیره انتقال coronavirus رمان فعلی را بشکند و با فراهم کردن شانس بیشتری برای کنترل های کافی و سرکوب شیوع این شیوع ، کمک به کاهش بزرگی از همه گیری های اخیر کند. در همین راستا ، کشورهای آلوده مختلف با استفاده از فناوری های مختلف مانند بلوتوث ، سیستم موقعیت یابی جهانی (GPS) ، نمودار اجتماعی ، اطلاعات تماس ، API مبتنی بر شبکه ، داده های ردیابی موبایل ، معامله کارت ، یک فرآیند ردیابی مخاطب دیجیتالی را با استفاده از موبایل ارائه می دهند. داده ها و آدرس فیزیکی سیستم. فرآیند ردیابی مخاطب دیجیتال می تواند در مقایسه با سیستم غیر دیجیتال تقریباً سریع و خیلی سریع عمل کند. تمام این برنامه های دیجیتالی برای جمع آوری داده های شخصی شخصی طراحی شده اند ، که با استفاده از ابزار ML و AI برای ردیابی شخصی که به دلیل زنجیره تماس اخیر خود در معرض ویروس رمان قرار دارد ، تجزیه و تحلیل می شوند.

همانطور که در جدول 2 نشان داده شده است ، در مقالات [34،35] کشورهای مختلفی که دارای چنین برنامه های ردیابی تماس با ML و AL هستند ، صلاحیت دارند. مطالعات نشان می دهد که بیش از 36 کشور با موفقیت از ردیابی تماس دیجیتالی استفاده کردند که به دنبال متمرکز ، غیرمتمرکز یا ترکیبی از هر دو روش برای کاهش تلاش و تقویت اثربخشی فرآیندهای تشخیصی مراقبت های بهداشتی سنتی پیشنهاد شده است.

برنامه هوش مصنوعی (AI) برای بیماری همه گیر COVID-19

در این بحران جهانی بهداشت ، صنعت پزشکی به دنبال فناوری های جدیدی برای نظارت و کنترل شیوع همه گیر COVID-19 (Coronavirus) است. هوش مصنوعی یکی از چنین فناوری هایی است که می تواند شیوع این ویروس را به راحتی ردیابی کند ، بیماران پرخطر را شناسایی کند و در کنترل این عفونت در زمان واقعی مفید است. همچنین با تجزیه و تحلیل کافی داده های قبلی بیماران می تواند خطر مرگ و میر را پیش بینی کند. هوش مصنوعی می تواند با غربالگری جمعیت ، کمک پزشکی ، اطلاع رسانی و پیشنهادات مربوط به کنترل عفونت به ما در مبارزه با این ویروس کمک کند. [[1]، [2]، [3]]. این فناوری پتانسیل بهبود برنامه ریزی ، درمان و نتایج گزارش شده از بیمار COVID-19 را دارد که یک ابزار پزشکی مبتنی بر شواهد است. شکل 1 روش کلی برنامه های کاربردی مبتنی بر هوش مصنوعی و غیر مبتنی بر هوش مصنوعی را نشان می دهد که به پزشکان عمومی در شناسایی علائم COVID-19 کمک می کند.

نمودار جریان فوق ، جریان حداقل درمان غیر AI را در مقابل درمان مبتنی بر هوش مصنوعی ، اطلاع و مقایسه می کند. نمودار جریان بالا ، دخالت AI را در مراحل قابل توجه درمان با دقت بالا توضیح می دهد و باعث پیچیدگی و زمان صرف شده می شود. پزشک نه تنها در معالجه بیمار متمرکز است بلکه کنترل بیماری را نیز با کاربرد AI انجام داده است. علائم عمده و آنالیز تست با کمک هوش مصنوعی با بالاترین دقت انجام می شود. همچنین نشان می دهد که کل مراحل انجام شده در کل فرآیند را کاهش می دهد و باعث می شود که طبیعتاً قابل اجرا باشد.

2. برنامه های کاربردی اصلی AI در همه گیر COVID-19

من)

تشخیص زودرس و تشخیص عفونت

هوش مصنوعی می تواند علائم نامنظم و "پرچم های قرمز" را به سرعت مورد تجزیه و تحلیل قرار دهد و از این رو بیماران و مراجع بهداشتی را نگران کند. این به تصمیم گیری سریعتر کمک می کند ، که مقرون به صرفه است. این کمک می کند تا از طریق الگوریتم های مفید ، یک سیستم جدید تشخیص و مدیریت را برای موارد COVID 19 ایجاد کنید. هوش مصنوعی با کمک فن آوری های تصویربرداری پزشکی مانند توموگرافی کامپیوتری (CT) ، تصویربرداری با رزونانس مغناطیسی (MRI) در تشخیص موارد آلوده کمک می کند تا در تشخیص موارد آلوده کمک کند.

دوم)

نظارت بر درمان

AI می تواند یک بستر هوشمند برای نظارت خودکار و پیش بینی شیوع این ویروس ایجاد کند. همچنین یک شبکه عصبی برای استخراج ویژگیهای بصری این بیماری ایجاد می شود و این امر به نظارت و معالجه صحیح افراد مبتلا کمک می کند [[6] ، [7] ، [8]]. این دستگاه توانایی ارائه به روزرسانی های روزانه بیماران را دارد و همچنین راه حل هایی را ارائه می دهد که باید در همه گیر COVID-19 دنبال شود.

III)

تماس با ردیابی افراد

هوش مصنوعی می تواند به تجزیه و تحلیل میزان آلودگی توسط این ویروس در شناسایی خوشه ها و "نقاط داغ" کمک کند و می تواند ردیابی مخاطب را با موفقیت انجام داده و همچنین بر آنها نظارت کند. این می تواند دوره آینده این بیماری و احتمال بروز دوباره آن را پیش بینی کند.

IV)

پیش بینی موارد و مرگ و میر

این فناوری می تواند ماهیت ویروس را از داده های موجود ، رسانه های اجتماعی و سیستم عامل های رسانه ای ، در مورد خطرات ناشی از عفونت و شیوع آن احتمالاً ردیابی و پیش بینی کند. علاوه بر این ، می تواند تعداد موارد مثبت و مرگ در هر منطقه را پیش بینی کند. هوش مصنوعی می تواند به شناسایی آسیب پذیرترین مناطق ، مردم و کشورها کمک کند و براساس آن اقدامات لازم را انجام دهد.

V)

توسعه دارو و واکسن:

AI با استفاده از داده های موجود در مورد COVID-19 برای تحقیقات دارویی استفاده می شود. برای طراحی و توسعه داروهای مفید است. این فناوری در سرعت بخشیدن به آزمایش دارو در زمان واقعی استفاده می شود ، که آزمایش های استاندارد زمان زیادی را می برد و از این رو به سرعت بخشیدن به این روند کمک می کند ، که ممکن است توسط یک انسان امکان پذیر نباشد [6،7]. این می تواند به شناسایی داروهای مفید برای درمان بیماران مبتلا به COVID-19 کمک کند. این ابزار به ابزاری قدرتمند برای طراحی تست های تشخیصی و توسعه واکسیناسیون تبدیل شده است [[9] ، [10] ، [11]. هوش مصنوعی در ایجاد واکسن و درمان با سرعت بسیار بیشتری از حد معمول کمک می کند و همچنین برای آزمایشات بالینی در طول تولید واکسن مفید است.

VI)

کاهش حجم کار کارکنان بهداشت و درمان

به دلیل افزایش ناگهانی و گسترده تعداد بیماران در طول بیماری همه گیر COVID-19 ، متخصصان بهداشت و درمان از حجم کار بسیار بالایی برخوردار هستند. در اینجا از هوش مصنوعی برای کاهش بار کار کارمندان مراقبت های بهداشتی استفاده می شود [[12] ، [13] ، [14] ، [15] ، [16] ، [17]]. این بیماری در تشخیص زودرس و ارائه درمان در مراحل اولیه با استفاده از رویکردهای دیجیتالی و علم تصمیم گیری کمک می کند ، بهترین آموزش را به دانشجویان و پزشکان در مورد این بیماری جدید ارائه می دهد [18،19]. هوش مصنوعی می تواند مراقبت های آینده بیمار را تحت تأثیر قرار دهد و چالش های احتمالی بیشتری را که باعث کاهش بار کار پزشکان می شود ، برطرف کند.

VII)

پیشگیری از بیماری

با کمک تجزیه و تحلیل داده های زمان واقعی ، AI می تواند اطلاعات به روز شده ای را ارائه دهد که در پیشگیری از این بیماری مفید است. می توان از آن برای پیش بینی مکان های احتمالی عفونت ، هجوم ویروس ، نیاز به تختخواب و متخصصان مراقبت های بهداشتی در طول این بحران استفاده کرد. هوش مصنوعی برای کمک به پیشگیری از ویروس و بیماری های آینده ، با کمک داده های قبلی راهنمایی شده درباره داده های رایج در زمان های مختلف ، مفید است. این ویژگیها ، دلایل و دلایل شیوع عفونت را مشخص می کند. در آینده ، این یک فناوری مهم برای مقابله با سایر بیماری های همه گیر و همه گیر خواهد شد. این می تواند یک پیشگیری و مقابله با بسیاری از بیماری های دیگر باشد. در آینده ، هوش مصنوعی نقش مهمی در ارائه مراقبت های بهداشتی پیش بینی کننده و پیشگیرانه تر ایفا می کند.

3. نتیجه گیری

هوش مصنوعی ابزاری آینده و مفید برای شناسایی عفونت های زودرس به علت کروناویروس است و همچنین به نظارت بر وضعیت بیماران آلوده کمک می کند. با ایجاد الگوریتم های مفید می تواند به طور قابل توجهی قوام و تصمیم گیری را بهبود بخشد. هوش مصنوعی نه تنها در درمان مبتلایان به COVID-19 بلکه برای نظارت بر سلامتی آنها مفید است. این می تواند بحران COVID-19 را در مقیاسهای مختلف مانند کاربردهای پزشکی ، مولکولی و اپیدمیولوژیکی ردیابی کند.

Coronavirus NL63 گونه ای از خانواده Coronaviridae است

Coronavirus NL63 گونه ای از خانواده Coronaviridae است. این ویروس ها با یک لایه دو فسفولیپید احاطه شده اند ، که حاوی حس مثبت تک رشته ای است (1). این خانواده شامل دو زیر خانواده ، Coronavirinae و Torovirinae است. زیرمجموعه‌ی Coronavirinae به چهار زیر گروه از جمله ویروس آلفا ، بتا ، گاما و دلتا کرونا تقسیم می شود که در اصل بر اساس تقسیم فیلوژنتیک (2) است. اندازه ژنوم تقریباً 33 - 26 KB است که از بین ژنوم های ویروس RNA بزرگتر است و در دو انتهای 5 و 3 دارای کلاه و پلی آدنین است. در ساختار ژنومی ، دو سوم ژنوم 5 'حاوی ORF1a و ORF1b است در حالی که در منطقه 3' ، چهار پروتئین ساختاری بنام سنبله (S) ، پاکت (E) ، غشای (M) و نوکلئوکپسید (N) یافت می شود. . ژن هموگلوتینین استراز (HE) یکی از مشخصه های گروه دوم کروناویروس است که در ویروس HCoV-NL63 وجود ندارد (4).

کورون ویروس ها در سراسر جهان توزیع شده و یکی از شایع ترین علل عفونت دستگاه تنفسی فوقانی (URTI) در بزرگسالان است (5). این ویروس ها می توانند انسان و انواع حیوانات خانگی را آلوده کرده و باعث بیماری هایی مانند عفونت تنفسی ، گاستروانتریت ، بیماری های قلبی عروقی و بیماری های عصبی شوند. تاکنون شش انسداد ویروس انسانی از جمله OC43 ، 229E ، NL63 ، HKU-1 ، SARS و MERS شناسایی شده اند که از این میان SARS و MERS بالاترین میزان مرگ و میر و OC43 ، 229E ، NL63 و HKU-1 تلفات کمتری دارند ( 6-8). اعتقاد بر این است که این ویروس ها دارای مخازن جانوری بوده و از جنون وحشی هستند. مهمترین مخازن شتر درامدراری ، گاو و خفاش ها هستند. در حال حاضر ، مخزن ویروس HKU-1 ناشناخته استویروس HCoV-NL63 از گروه α coronavirus برای اولین بار در سال 2004 در کودک مبتلا به برونشیولیت در هلند شناسایی شد (12). در چین ویروس HCoV-NL63 اصلی ترین پاتوژن تنفسی در نوزادان و افراد مسن است. عفونتهای تنفسی تحتانی 30٪ از کل عفونتهای تنفسی را شامل می شود و می تواند باعث بروز بیماریهای شدید تنفسی در نوزادان ، کودکان خردسال ، سالمندان و افراد دارای سیستم ایمنی کمبود سیستم ایمنی شود (13 ، 14). برخی از این ویروس ها ، مانند SARS ، می توانند باعث عفونت های کشنده شوند. بنابراین ، تشخیص به موقع می تواند از انتقال به سایر کودکان سرکوب شده در سیستم ایمنی جلوگیری کند (15). مطالعات اپیدمیولوژیک نشان داده است که عفونتهای تنفسی ویروسی ، مانند آنفلوانزا و عفونتهای پاراآنفلوآنزا در کودکان ، در اواخر پاییز یا زمستان به اوج خود می رسند و کودکانی که دارای علائمی مشابه عفونت آنفولانزا هستند. این علائم بیشتر شبیه به بیماری های ناشی از کورو ویروس ها ، به ویژه HCoV-NL63 است. عفونت با این ویروس علائمی مشابه عفونت آنفولانزا ایجاد می کند ، که مانع از درمان مناسب کودکان می شود. این باعث می شود کودکانی که از ذات الریه و تنفس رنج می برند در بخش مراقبت های ویژه بستری شوند یا حتی منجر به مرگ شوند (16 ، 17). بنابراین ، این مطالعه فراوانی عفونت کوراو ویروس NL63 را در کودکان خردسال کمتر از 5 سال تعیین کرد.

 2. اهداف

عفونت کورون ویروس علائم خاصی ندارد و ممکن است با سایر عفونت های ویروسی اشتباه گرفته شود. عدم موفقیت در درمان مناسب و به موقع می تواند صدمات جبران ناپذیری به کودکان وارد کند. این مطالعه با هدف تعیین فراوانی عفونت کروناویروس NL63 در کودکان زیر 5 سال مبتلا به عفونت تنفسی فوقانی و ارتباط آن با تظاهرات بالینی و میزان پراکندگی در گروه های سنی و جنسی مختلف انجام شد.

 3. روشها

3.1 بیماران

در یک مطالعه مقطعی ، 138 کودک زیر 5 سال مبتلا به عفونتهای حاد تنفسی بستری شده در بخش مراقبت های ویژه کودکان و نوزادان (PNICU) بیمارستان افضلی پور ، استان کرمان را برای 11 ماه از اکتبر 2018 تا دسامبر 2019 ثبت نام کردیم. نمونه سواب دهان و حلق در لوله های حاوی کشتار عادی استریل جمع آوری شد. کودکان بستری شده فقط به عفونت تنفسی مبتلا بودند و هیچ بیماری نقص ایمنی ، نارسایی قلبی و بیماری خونی نداشتند.

3.2 تأیید اخلاق و رضایت از مشارکت

این مطالعه (شماره: 96000908) توسط کمیته اخلاق دانشگاه علوم پزشکی کرمان تصویب شد. کد تصویب اخلاقی IR.KMU.REC.1397.134 است. کلیه والدین طبق دستورالعمل های بین المللی رضایت آگاهانه کتبی ارائه داده اند.

3.3 استخراج RNA ویروسی

نمونه های حلق و بینی و بینی با استفاده از سواب Dacron در رسانه ویروس حمل و نقل (VTM) حاوی DMEM و داروهای ضد باکتریایی (پنی سیلین و استرپتومایسین) جمع آوری شد. RNA ویروسی از یک حجم 100 میکرولیتر از نمونه ها با روش بارش (RIBO-prep، ILS) استخراج شد. به طور خلاصه ، نمونه به یک لوله حاوی 300 میکرولیتر بافر لیز و 400 میکرولیتر از بافر رسوب ، مخلوط شده ، به مدت 10 دقیقه در دمای اتاق انکوبه شد و به مدت 13 دقیقه در 13000 دور در دقیقه سانتریفیوژ شد. سپس ، آن را یک بار با 500 میکرولیتر از بافر شستشو W3 و یک بار با 200 میکرولیتر 70٪ (ولت / ولت) اتانول (بافر شستشو W4) شسته و سپس به مدت 10 دقیقه در 60 درجه سانتیگراد خشک کرد. سپس در 50 میکرولیتر از آب فاقد RNase به حالت تعلیق درآمده و در دمای 20 درجه سانتیگراد ذخیره شد.

3.4 NL63 Real-Time PCR

کورو ویروس انسانی (HCoV-NL63) کیت RT-PCR در زمان واقعی برای تشخیص تاج ویروس انسانی NL63 استفاده شد (Biosb ، Shanghai ZJ Bio-Tech Co.، Ltd.، China). کورو ویروس انسانی (HCoV-NL63) کیت RT-PCR در زمان واقعی حاوی یک سیستم آماده استفاده خاص برای تشخیص ویروس HCoV-NL63 با واکنش زنجیره ای پلیمراز رونویسی معکوس (RT-PCR) در زمان واقعی PCR سیستم. یک کنترل مثبت خارجی (107 copies 1 / کپی در میلی لیتر) برای تعیین بار ویروسی استفاده شد. برنامه PCR شامل یک مرحله دناتوراسیون اولیه در 95 درجه سانتیگراد به مدت 10 دقیقه و به دنبال آن 40 چرخه تقویت در 95 درجه سانتیگراد به مدت 15 ثانیه و 60 درجه سانتیگراد به مدت یک دقیقه بود.

3.5. تحلیل آماری

تجزیه و تحلیل آماری با استفاده از IBM SPSS آمار 21.0 (IBM ، Armonk ، NY) انجام شد. متغیرهای کیفی خاص با استفاده از آزمون کای دو مورد تجزیه و تحلیل قرار گرفت ، در حالی که متغیرهای کمی و عددی با استفاده از آزمونهای t مستقل مورد تجزیه و تحلیل قرار گرفت. اختلاف در مقادیر P کمتر از 05/0 در نظر گرفته شد.

 4. نتایج

از 138 نمونه ، 77 مورد (8/55٪) از مردان و 61 نفر (2/44٪) از زنان بودند. میانگین سنی زنان و مردان به ترتیب 63/4 ± 6/6 33 6/33 سال و 63/3 ± 65/22 22 بود. جوانترین شرکت کننده یک نوزاد سه ماهه بود که دارای عفونت تنفسی بود (جدول 1). از 138 بیمار مبتلا به عفونت تنفسی فوقانی ، 33 نفر (9/23٪) از نظر کرونավիր ویروس NL63 مثبت بودند ، از این تعداد 21 نفر (6/63٪) از مردان و 12 نفر (36.4٪) از زنان ، با نسبت مرد به زن 1.75 بودند. جوانترین شرکت کننده آلوده یک نوزاد چهار ماهه بود و پیرترین سن آن 72 ماه بود. نقش آنتی بادی های مادری در جلوگیری از عفونت هنوز مشخص نشده است.

جناب آقای سردار سلامی

فرمانده محترم سپاه پاسداران انقلاب اسلامی 

با سلام و احترام

موضوع:بیورزنانس در نابودی ویروس کرونا

باتوجه به اینکه گروه ایران سربلند متشکل از 8 شرکت متخصص در زمینه هوش مصنوعی ، تکنولوژی سطح بالا و مکاترونیک  با 1200 نفر متخصص در تلاش برای کشور اسلامی می باشیم با توجه ااختراع چند دستگاه در رفع مشکل ویروس کرونا ، آمادگی داریم در صورت همکاری و حمایت لازم و آزمایشگاهی و مالی  از قابلیتهای موجود در بکارگیری هوش مصنوهی و سایر قابلیتها در از بین بردن ویروس کرونا به یاری خداوند  سریعا اقدام نماییم.

خلاصه:

بصورت خلاصه کلیه باکتری ها و ویروس ها و تمامی سلولهای کلیه موجودات و انسان دارای ارتعاشات بیو‌الکترومغناطیسی هستند که می توان با ارسال فرکانس های مشخصی، برای هر نوع باکتری، ویروس و هر سلول دیگری که دارای ارتعاش می گردد، مشخص نمود که آیا رزنانس به حالت طبیعی است یا به هر دلیل انحراف نشان میدهد.

فهم استفاده از فرکانس رزونانس هر یک اجزای تشکیل دهنده یک موجود زنده یا همان بیورزونانس برای تشخیص و بهبود اختلال به اوایل قرن گذشته باز می گردد. تحقیقات اولیه در زمینه تاثیر فرکانس بر روی موجودات مختلف همچون ویروس ها، باکتری ها، کرم ها، قارچ ها توسط دانشمندی به نام رویال ریموند رایف صورت گرفت. تحقیقات گسترده رایف برای بیش از دو دهه موجب شد تا اون بتواند روشی ساده بر اساس رزونانس برای بهبود اختلالات ناشی ازویروس ها و باکتری ها کشف نماید.

دستگاه ابداعی رایف به منظور ریشه کن کردن میکروب ها از فرکانس هایی که در تحقیقات خود کشف کرده بود، استفاده می کرد. همانطور که اشاره شد با اعمال فرکانس روزنانس اختصاصی به سلول هدف، پدیده رزونانس (تشدید) در سلول ایجاد ایجاد می گردد. طی پدیده رزونانس انرژی از محیط جذب می گردد که نتیجه رهایش این انرژی کسب شده متلاشی شدن سلول مورد نظر خواهد بود.

پانصد دانشمند بزرگ روسی به مدت سی سال در دانشکده­های ویژه، تحقیقات عظیمی را بر روی این دانش انجام داده­اند که نتیجه آن، منجر به ساخت دستگاه حیرت انگیزی با پنجاه و چهار هزار فرکانس متفاوت شده است. در این جعبه عجیب، ارتعاشات طبیعی بیوریتمیک سلولی کلیه اندام­ها و پاتوژن­ها (میکروب­ها) به صورت دیجیتال قرارداده شده است.

شرح:

پدیده رزونانس در سیستم‌های بیولوژیکی، حیاتی و زنده اصطلاحا بیورزونانس نامیده میشود. به عبارتی تمام سلولهای زنده در طبیعت و نیز کلیه سلولهای اندامهای بدن انسان، دارای ارتعاشات بیولوژیک بوده و در اطراف خود امواج بیوالکترومغناطیس تولید می کنند و از آنجاییکه هر ارتعاش دارای فرکانس خاصی می باشد لذا مسلما این فرکانس ها قابل اندازه گیری خواهند بود. 

دستگاه بیورزونانس دارای بانک اطلاعات الکترونیکی وسیعی میباشد که در آن اطلاعات کلیه این ارتعاشات از قبل ثبت و ضبط می‌گردد. بصورت خلاصه کلیه باکتری ها و ویروس ها و تمامی سلولهای کلیه موجودات و انسان دارای ارتعاشات بیو‌الکترومغناطیسی هستند که می توان با ارسال فرکانس های مشخصی، برای هر نوع باکتری، ویروس و هر سلول دیگری که دارای ارتعاش می گردد، مشخص نمود که آیا رزنانس به حالت طبیعی است یا به هر دلیل انحراف نشان میدهد.

تا قبل از فروپاشی اتحاد جماهیر شوروی پانصد دانشمند روسی به مدت سی سال در دانشکده‌های ویژه، تحقیقات گسترده‌ای را برای هوا فضای روسیه در زمینه این دانش انجام دادند که نتیجه آن، ساخت دستگاه با ده ها هزار نوع فرکانس متفاوت شد. در این دستگاه، ارتعاشات طبیعی و بیوریتمیک کلیه اندام‌ها، بافتها، سلولها و پاتوژن‌ها و عناصر و عوامل بیماری زا و غیر بیماری زا به ‌صورت دیجیتال قرارداده شد. 

 کرد.

دانشمند درخشان و اسطوره ای بزرگ در جهان پزشکی “رویال ریموند رایف” در سال ۱۸۸۸ چشم به جهان گشود و در سال ۱۹۷۱ دیده از جهان فروبست. رایف  پس از اتمام تحصیلات خود در دانشگاه Hopkins John، به گسترش فناوری در رشته های مختلف اپتیک، الکترونیک، رادیوشیمی، بیوشیمی، بالتیک و حمل و نقل هوایی پرداخت که تا به امروز نیز اهمیت خود را از دست نداده اند. این موارد خود تایید و اثبات عادلانه و منصفانه ای بر این است که رایف، عملا طب بیوالکترونیک را توسعه و گسترش داد.

وی که برنده ۱۴ مدال و نشان افتخار است، نشان اصلی دکترای افتخاری از دانشگاه هایدلبرگ را برای کارهای خود دریافت نمود.

رایف شروع به بررسی و مطالعه روش از بین بردن این ویروس ها یا به عبارتی- قاتلین کوچک کرد. وی از همان اصولی که برای دیدن آنها استفاده کرد بود برای از میان بردن آنها نیز بهره برد. هر میکروب فرکانس طبیعی یا رزونانس مختص به خود است. رایف با افزایش شدت فرکانس رزونانس برای میکروب مورد نظر، توانست آن را از بین ببرد. وی این فرکانس را “فرکانس مرگ و میر” نامید. لازم به ذکر است که این فرکانس برای بافت های مجاور کاملا بی ضرر است چرا که منجر به ایجاد اثرات فرکانس رزونانس در آنها به خاطر غیر اختصاصی بودن نمی شود.

 فرکانس مرگ و میر چند پاتوژن  مثال

کزاز   120 هرتز

سوزاک 712 هرتز

تومور سرطانی (همه گونه) 2008 هرتز

سرطان (همه گونه) 2128 هرتز

صنعت دارویی با این روش بهبود فرکانسی که در آن ۱۰۰ درصد بیماران سرطانی (حتی در مراحل نهایی سرطان که هیچ امیدی در طب کلاسیک به بهبودی آنها وجود ندارد) بهبود یافتند به شدت مخالف بود. مسلما شیوه ای که بیماران مستلزم پرداخت هزینه های گزاف و آزمایشات مکرر نبوده و و داروی شیمایی نیز برای درمان آنها مورد نیاز نیست و تنها با یافتن فرکانس های سلامت بدن و فرکانس عوامل ایجاد کننده اختلال می توان به بهبود افراد پرداخت از سوی بسیاری از شرکت های داروسازی مردود اعلام می گردد.

رایف ده ها سال پشت سر گذراند تا شواهدی را در اثبات روش سلامت خود (شامل فیلم ها و عکس های زیاد) جمع آوری کند، اما متاسفانه این شواهد به دلیل سرقت از بین رفت و هیچ کس مسئولیت این کار را نپذیرفت. در آن زمان رایف مجددا تلاش خود را بکار گرفت تا اطلاعات از دست رفته خود را باز گرداند (باتوجه به اینکه در آن زمان حتی کپی و کامپیوتر وجود نداشت). در این هنگام آسیب مهلک دیگری به آقای رایف وارد شد و متاسفانه میکروسکوپ شگفت انگیز او، که در آن ویروس ها قابل رویت بودند به سرقت رفت. همچنین لابراتوار چندین میلیون دلاری Burnelt که در آن زمان در تایید آزمایشات رایف، فعالیت می کرد و استنادات و شواهد خوبی بدست آورده بود، به آتش کشیده شد. و اما ضربه نهایی، زمانی بود که پلیس به صورت غیر قانونی، باقیمانده ۵۰ سال اکتشاف این دانشمند بزرگ را ضبط نمود.

 ابوعلی سینا در هزار سال پیش میدانستند که سلولها دارای ارتعاشات بیو ریتمیک از جنس بیو الکترو مغناطیسی هستد و ایشان می دانستند که توسط یک چیزی سلولها بین هم و با مغز ارتباط انرژیکی دارند و بر همین اساس هم شاقول ویزه ای را ساخته بودند که نسبت به این ارتعاشات عکس العمل رزنانسی نشان میداد . لطفا توجه داشته باشید که ایشان این دستگاه را هزار سال پیش ساخته بودند.! قابل توجه دوستانی که علاقه دارند بیشتر در این مورد بدانند ، کتابی به نام : شاقول سحر امیز ابو علی سینا _ چاپ شده که می توانند مطالعه کنند .
ظرف سی سال گذشته دانشمند بزرگ المانی یه نام البرت پوپ توسط متد های ازمایشگاهی ثابت کرده ااست که سلولها با یکدیگر توسط تبادلات فوتونی در تماس هستند .
از طرف دیگر  ابو علی سینا الکتریسته را می شناختند و از همه مهمتر، میدانستند که اعصاب دارای پالسهای الکتریکی هستند .در تایید این اعا می توانیم حادثه تاریخی را که در زمان ایشان اتفاق افتاده را مورد بررسی قرار دهیم . در یکی از جنگها نوح ابن سامانی از اسب به زمین می افتد و در اثر اصابت با زمین ، کمر اسیب میبند که باعث اختلا لات حرکتی در ایشان میشود .  ابوعلی سینا پس از معاینه جهت درمان از مار ماهی هایی استفاده کردند که برق تولید میکنند. این مار ماهی ها جهت صید طعمه خود جریان الکتریسته ای تولید میکند که باعث فلجی موقت سیستم عصبی ماهی مورد صید میشود . و از همین جریان الکتریسیته حضرت ابوعلی سینا برای از بین بردن مشکل اعصاب نوح ابن سامانی استفاده کردند .
در روسیه  ابو علی سینا دارای جایگاه بسیار والایی است و همه ایشان را به عنوان اولین بشر زمینی که توانست ارتعاشات سلولی را توسط دستگاهی به نمایش در اورد ، مورد احترام قرار می دهند .

دکتر بهروز نقویان        

مدیر تیم ایران سربلند     

ریاست محترم پژوهشگاه قوه قضاییه

احتراما، پیرو ارسال ایده های اینجانب از تاریخ 15 مهر 1398 جلسه ایی در 1399/05/07  اینجانب نماینده هولدینگ ایران سربلند به نمایندگی از 1200 متخصص هوش مصنوعی و تکنولوژی سطح بالا و در حضور محترمانه دکتر مهربان و برخورد بی ادبانه آقای هراتی متاسفانه بدلایل شخصی و بدون توجه به رزومه و قرار مکتوب کلیه طرح ها ارجاعی:

-تهیه سامانه پیشگیری از جرائم هوشمند کشور

-سیستم تصمیم یار برای قضات و مسئولین قضایی

-سامانه مشاور قضایی و وکیل هوشمند

-قوه قضاییه هوشمند و پیشگیری از جرائم وپاسخ سایر طرح هایی که قبلا ارسال شده است 

بررسی توسط کمیته تخصصی پژوهشکده آمار و فناوری اطلاعات محمدرض هراتی نیک رد شد پیشنهاد قبلا در دستور کار قرار داشته است

بسمه تعالی با سلام و احترام و با تشکر از طرح ایده، پیشنهاد مطرح شده بخشی از برنامه هوشمند سازی نظام قضایی است و درحال حاضر توسط پژوهشگران درحال بررسی می باشد. با سپاس و امید به دریافت ایده های دیگر از جنابعالی

1399/05/07

- اولا تحصیلات ایشان هوش تجاری است به هوشمند مصنوعی و تشخیص طرح ها و حتی  برنامه هوشمند سازی نظام قضایی مرتبط نمی باشد و چرا بعد از این همه مدت تازه 11 ماه بعد از پیشنهاد های اینجانب پژوهشگاه تازه بررسی کار را شروع می نماید و نوعی سرقت ایده محسوب نمی شود.

-پژوهشگاهی فناوری اطلاعات که 11 ماه ایده هوشمند سازی نداشته تازه بررسی کار را شروع کرده و با حذف لحظه ایی و مغرضانه بدون توجه به دانش متخصصان کشور  در چند سال توان به نتیجه رساندن آنرا خواهد داشت

در حالیکه دکتر مهربان توافقی امضا نمودند تا همکاری دو جانبه آغاز گردد همان روز ایشان ایده را رد می کنند 

مرکزی که باید نماد عدالت و پژوهش و بکارگیری علم در قضاوت باشد به سرکوب کردن متخصصان هوش مصنوعی با سابقه درخشان بدلایل سهوی و عمدی یک شخص به بهانه واهی می زند 

آیا بجز این است که فقط بدنبال خفظ وضع موجود و پست خود می باشد

یقینا وجود چنین افرادی در نظام عدالت جامعه ما رنگ عدالت را نخواهد دید 

بجای همفکری و هم اندیشی طرد و خذف مغرضانه ایده بدون اجازه دفاع به ایده دهنده تا سالها شاهد فساد و افزایش انبوه پرونده ها که امنون از 15 میلیون فراتر رسیده باشیم .

امیدوارم مرکز پژوهشگاه که از نخبگان است اجازه چنین بی عدالتی را به این مسولان ندهد و احقاق حق نماید

دکتر بهروز نقویان

مدیر تیم ایران سربلند 

رونوشت: حجت الاسلام رئیسی    ریاست محترم قوه قضاییه

کمسیون اصل نود مجلس جهت پیگیری موضوع