تیم تحقیقاتی یک مدل شبکه عصبی را با استفاده از پنج پارامتر به‌دست‌آمده از تطبیق طیف‌های تراهرتز پهنای باند آسیب‌های سوختگی به‌دست‌آمده با استفاده از این دستگاه به گذردهی دی‌الکتریک توصیف‌شده توسط مدل دوگانه Debye توسعه دادند.
مطالعات نشان داده اند که دقت تشخیص سوختگی تنها حدود 60 تا 75 درصد است که تصمیم می گیریم کدام یک از سوختگی ها به مداخله جراحی (پیوند پوست) نیاز دارد یا کدام سوختگی می تواند خود به خود بهبود یابد. تیم Stony Brook با روش خود با استفاده از طیف‌سنجی دامنه زمانی Terahertz (THz-TDS) – که به طور کلی به عنوان تشخیص و اندازه‌گیری خواص ماده با پالس‌های کوتاه پیکوثانیه‌ای میدان‌های الکترومغناطیسی تعریف می‌شود – دریافته‌اند که تصویربرداری طیف‌سنجی THz می‌تواند میزان دقت تشخیص سوختگی را افزایش دهد. و طبقه بندی به حدود 93 درصد.
ارباب و تیمش با دو پزشک برجسته در Stony Brook Medicine برای آزمایش روش ارزیابی سوختگی کار می کنند – استیون سندووال، MD، مدیر مرکز سوختگی. و آدام سینگر، دکتر، رئیس موقت دپارتمان فوریت های پزشکی.
تحقیقات گزارش شده در این مطالعه تا حدی توسط مؤسسه ملی علوم پزشکی عمومی مؤسسه ملی بهداشت (NIGMS)، کمک مالی # R01GM112693 پشتیبانی شده است.
آنها این روش را با استفاده از اسکنر PHASR برای به دست آوردن تصاویر طیف سنجی از سوختگی های پوست و اندازه گیری میزان گذراندن سوختگی ها آزمایش کردند. آنها سپس از داده ها برای ایجاد یک مدل شبکه عصبی بر اساس بیوپسی های برچسب دار استفاده کردند. این مدل شدت سوختگی را با دقت متوسط 84.5 درصد تخمین زد و نتیجه فرآیند بهبود زخم را با دقت 93 درصد پیش بینی کرد.
علی‌رغم یافته‌های امیدوارکننده، ارباب و همکارانش می‌گویند قبل از ادغام این تکنیک در جریان کار فعلی ارزیابی سوختگی بالینی، آزمایش‌های بیشتری در مورد این تکنیک و دستگاه تصویربرداری دستی مورد نیاز است.
استیون سندووال، دکتر، مدیر مرکز سوختگی
یکی از مؤلفه های مهم برای یک دوره درمانی موفق تر برای سوختگی، ارزیابی صحیح آنها است و روش های فعلی به اندازه کافی دقیق نیستند. تیمی از محققان دانشگاه استونی بروک معتقدند روش جدیدی را برای بهبود قابل توجه ارزیابی سوختگی ایجاد کرده اند. آنها از یک مدل شبکه عصبی مبتنی بر فیزیک استفاده می کنند که از داده های طیف سنجی دامنه زمانی تراهرتز (THz-TDS) برای ارزیابی سوختگی غیرتهاجمی استفاده می کند. این تیم این رویکرد را با یک دستگاه تصویربرداری دستی ترکیب می کند که به طور خاص برای تصویربرداری سریع THz-TDS از آسیب های سوختگی ساخته شده است. جزئیات روش آنها در مقاله ای در منتشر شده است Biomedical Optics Express.
در این مقاله، محققان گزارش می‌دهند که الگوریتم طبقه‌بندی شبکه عصبی مصنوعی آنها می‌تواند با دقت 93 درصد نتیجه شفای نهایی سوختگی‌های درون تنی را پیش‌بینی کند. آنها می گویند که در مقایسه با رویکردهای قبلی یادگیری ماشینی که تیم قبلاً استفاده می کرد، روش جدید میزان داده های آموزشی لازم را حداقل تا دو مرتبه کاهش می دهد. این می‌تواند پردازش مجموعه‌های کلان داده‌های به‌دست‌آمده در آزمایش‌های بالینی بزرگ‌تر را عملی‌تر کند.
نحوه استفاده از دستگاه تصویربرداری دستی با فناوری ارزیابی سوختگی و صفحه بازخوانی را در این ویدیوی کوتاه ببینید.
ارباب گفت: «در سال 2018، حدود 416000 بیمار به دلیل جراحات سوختگی تنها در بخش های اورژانس ایالات متحده تحت درمان قرار گرفتند. “تحقیق ما این پتانسیل را دارد که با هدایت برنامه های درمان جراحی به طور قابل توجهی نتایج بهبود سوختگی را بهبود بخشد، که می تواند تاثیر زیادی بر کاهش مدت زمان بستری شدن در بیمارستان و تعداد روش های جراحی برای پیوند پوست داشته باشد و در عین حال توانبخشی پس از آسیب را نیز بهبود بخشد.”
یکی از حیاتی‌ترین تصمیم‌ها هنگام مراقبت از مصدوم سوختگی، تعیین عمق سوختگی است، بنابراین در دسترس بودن یک دستگاه غیرتهاجمی و عینی برای کمک به متخصصان غیرسوختگی برای دانستن عمق سوختگی در اوایل پس از آسیب بسیار است. دکتر سینگر می گوید ارزشمند. این دستگاه می‌تواند در بسیاری از تنظیمات بالینی، از جمله در اورژانس‌ها استفاده شود، جایی که ما می‌توانیم با استفاده از دستگاه به سرعت و به وضوح ارزیابی کنیم که آیا بیماران باید به متخصص سوختگی ارجاع داده شوند یا توسط متخصصان غیرسوختگی مدیریت شوند.
خانی، من، و همکاران (2023) تریاژ آسیب های سوختگی in vivo و پیش بینی نتیجه بهبود زخم با استفاده از شبکه های عصبی و مدل سازی گذردهی تراهرتز بر اساس پارامترهای دی الکتریک دوگانه Debye. Biomedical Optics Express. doi.org/10.1364/BOE.479567.