سلسله همایش های بین المللی کرامت انسانی

صفحه اصلی / سومین کنفرانس بین المللی حقوق کودک

بررسی نحوه ارزیابی سوء تغذیه کودکان با استفاده از هوش مصنوعی در کشورهای در حال توسعه (بررسی موردی در کشور هند( NutriAl)

نویسندگان :

منصوره نیکبخت نصرآبادی¹ محمود عباسی²

1- موسسه عالی آموزش و پژوهش مدیریت و برنامه ریزی 2- دانشیار حقوق پزشکی، مرکز تحقیقات اخلاق و حقوق پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران.

کلمات کلیدی :

هوش مصنوعی،تغذیه کودک،یادگیری عمیق،،سوءتغذیه

چکیده :

زمینه و هدف: سوء تغذیه در نوزادان و کودکان خردسال یک نگرانی بزرگ سلامت عمومی است، به‌ویژه در کشورهای در حال توسعه که منابع محدود هستند. میلیون‌ها کودک در سطح جهان از سوء تغذیه و عوارض آن رنج می‌برند. با وجود بهترین تلاش‌های دولت‌ها و سازمان‌ها، سوء تغذیه همچنان ادامه دارد و یکی از علل اصلی بیماری و مرگ و میر در میان کودکان زیر پنج سال باقی مانده است. اندازه‌گیری‌های فیزیکی، مانند وزن، قد، محیط سر و دور بازو (MUAC) به‌طور معمول برای ارزیابی وضعیت تغذیه‌ای کودکان مورد استفاده قرار می‌گیرد. با این حال، این روش نیاز به منابع‌ دارد و می تواند چالش‌برانگیز باشد و به سختی می تواند در مقیاس وسیع انجام شود. در این تحقیق، ما در حال توسعه و شناسایی ابزار هوش مصنوعی هستیم، و به این منظور از یک نمونه تحقیقاتی در کشور هند بهره گرفته شده است. (NutriAl) یک راه‌حل کم‌هزینه است که از روش طبقه‌بندی با اندازه نمونه کوچک استفاده می‌کند تا با تجزیه و تحلیل تصاویر دو بعدی از موضوعات در وضعیت‌های مختلف، سوء تغذیه را شناسایی کند. به طور خلاصه این پژوهش بر روی توسعه سیستم ارزیابی سوء تغذیه کودکان مبتنی بر هوش مصنوعی متمرکز است. مواد و روش ها: جهت انجام این پژوهش از روش توصیفی - تحلیلی بهره گیري شده است. بدین ترتیب از کلیه منابع در دسترس مطالعه و فیش برداري شد و در قسمتهای مختلف پژوهش از آنها استفاده گردید. یافته ها: نتایج اولیه نشان می‌دهد که رویکردهای نوین یادگیری عمیق می‌توانند به شناسایی سوء تغذیه از طریق شاخص‌های شناسایی شده در نتیجه تنوع در سن، جنسیت، ویژگی‌های جسمانی و ... کمک کنند. نتیجه گیری: نتایج مورد انتظار این تحقیق شامل بررسی قابلیت استفاده از تصاویر دو بعدی به‌دست آمده از دوربین‌های هوشمند در غربالگری سلامت بدون استفاده از سنسورهای اضافی یا آموزشی است. توسعه یک سیستم نظارت بر رشد پیوسته مبتنی بر مدل پیشنهادی و دیجیتالی کردن پارامترهای سلامت و سوابق برای مدیریت بهتر داده‌ها نیز مورد انتظار است.