amir jouya talaei
-
زمینه و هدف
با پیشرفت فناوری های هوش مصنوعی در حوزه سلامت، اثرات مثبت آن بر بهبود شاخص های بهداشتی و درمانی افزایش یافته است. این تحقیق به بررسی نقش هوش مصنوعی، به ویژه بر پایه یادگیری ماشینی، در بهینه سازی فرآیندها و روندهای مراقبتی می پردازد.
روشاین مطالعه به عنوان یک مرور توصیفی طراحی شده است. برای این منظور، جستجوی گسترده ای در پایگاه های معتبر علمی از جمله Pubmed، Web of Science، و Scopus صورت گرفته است. جستجو با استفاده از معادل انگلیسی کلیدواژه هایی مانند «اینترنت اشیاء پزشکی»، تلفیق هوش مصنوعی با «مولکول های زیستی»، «دیابت»، «سرطان»، و «جراحی رباتیک» انجام شده است. مقالات یافت شده در حدود 92 مقاله بودنده است که 40 مقاله مرتبط با پژوهش انتخاب شد.
یافته هااین مطالعه نشان می دهد که استفاده از هوش مصنوعی در حوزه سلامت، شامل تشخیص بیماری، پیش بینی های بالینی، مدیریت بهتر بیمارستان ها و بهینه سازی منابع، رو به افزایش است این روند به افزایش کارایی و ارتقای کیفیت خدمات بهداشتی منجر می شود، بااین حال، چالش هایی نیز وجود دارد.
نتیجه گیریفناوری های هوش مصنوعی به عنوان نقاط عطف فناورانه در حوزه سلامت شناخته شده اند که نه تنها به اصلاح و بهبود فرآیندهای درمانی کمک می کنند، بلکه در زمینه هایی مانند نظارت بر علایم حیاتی و جراحی نیز موثرند. با وجود چالش هایی مانند ناهمگونی و مدیریت داده ها، توانایی این فناوری ها در پیش بینی بیماری ها چشم انداز مراقبت های بهداشتی را تغییر داده است. موفقیت در این زمینه نیازمند رویکردهای چند رشته ای، آینده نگر و استراتژی های خردمندانه است.
کلید واژگان: ارائه مراقبت های بهداشتی, تکنولوژی زیست پزشکی, فراگیری ماشینی, هوش مصنوعیBackgroundWith advancement of artificial intelligence technologies in health, its positive impact on improving health and treatment indicators have increased. This research examines the role of artificial intelligence, especially based on machine learning, in optimizing care processes and trends.
MethodsThis study is designed as a narrative review. for this purpose, an extensive search has been conducted in reliable scientific databases such as Pubmed, Web of Science, and Scopus. The search was conducted using keywords such as ' Internet of Medical Things', integration of artificial intelligence with 'biomolecules', 'diabetes', 'cancer', and 'robotic surgery'. The articles found were about 92 articles, of which 40 articles related to the research were selected.
ResultsThis study shows that the use of artificial intelligence in the field of health, including disease diagnosis, clinical predictions, hospital administration healthcare resource optimization, is increasing, this trend leads to an increase in the efficiency and quality of health services, however there are also challenges.
ConclusionArtificial intelligence technologies are known as technological milestones in the field of health, which not only help to modify and improve treatment processes, but are also effective in fields such as monitoring vital signs and surgery. Despite challenges such as heterogeneity and data management, the ability of these technologies to predict diseases has changed the healthcare landscape. Success in this field requires multidisciplinary, forward-looking approaches and wise strategies.
Keywords: Artificial Intelligence, Biomedical Technology, Delivery of Health Care, Machine learning -
سابقه و هدف
امروزه با توجه به افزایش تقاضای مصرف محصولات حلال در جوامع مسلمان، تعیین مقادیر اتانول در این محصولات از اهمیت ویژه ای برخوردار است. اتانول، که در برخی موارد می تواند به صورت طبیعی در محصولات غذایی تشکیل شود، می تواند از نظر شرعی مسایل بحث برانگیزی را در پی داشته باشد. در تحقیقات گذشته، چندین روش برای اندازه گیری مقادیر اتانول در مواد غذایی و آشامیدنی معرفی گردیده است، اما هر یک دارای معایبی از جمله استفاده از حلال های مضر در عمل استخراج، ریکاوری پایین در استخراج اتانول از ماتریس های جامد و تجهیزات جانبی گران قیمت بوده است. در این تحقیق، روشی جدید و سبز برای تعیین کمی اتانول در غذاها و نوشیدنی های مختلف مطابق با استاندارد بین المللی ایزو معرفی شده است.
مواد و روش هادر این تحقیق از استخراج آبی به کمک هم زدن مغناطیسی همراه با کروماتوگرافی گازی با آشکارساز یونش شعله ای (GC-FID) استفاده شد. پارامترهای اعتبارسنجی نظیر گزینش پذیری، حد تشخیص، حد کمی، خطی بودن، درستی، دقت و صحت مورد بررسی قرار گرفتند. عدم قطعیت اندازه گیری با استفاده از روش پایین به بالا تخمین زده شد.
یافته ها و نتیجه گیریپارامترهای اعتبارسنجی شامل گزینش پذیری، حد تشخیص (تقریبا 006/0 میلی گرم در گرم) و حد کمی (تقریبا 02/0 میلی گرم در گرم)، خطی بودن (R2 بزرگتر از 999/0)، درستی (بایاس های نسبی کمتر از 3 %)، صحت (ریکاوری 102-97 درصد) و دقت (انحراف استاندارد نسبی کمتر از 5 درصد) رضایت بخش بودند. روش پیشنهادی این مطالعه با روش رسمی AOAC 983.13 مقایسه گردید. نتایج نشان داد روش پیشنهادی در آنالیز ماتریس های جامد از دقت و صحت بالاتری نسب به روش رسمی AOAC برخوردار است. روش تایید شده برای تعیین کمی اتانول در 50 نمونه غذایی و نوشیدنی فرآوری شده تجاری مورد استفاده قرار گرفت. در چهار نمونه مقادیر اتانول بیش از حد مجاز 5/0 درصد یافت شد و در سه نمونه شامل دو نمونه سرکه و یک نمونه آب میوه مقادیر اتانول نزدیک به حد مجاز اندازه گیری شد. بر اساس قاعده تصمیم مبتنی بر باندهای محافظ، غلظت اتانول در هر سه نمونه اخیر بالاتر از حد تصمیم بود. بنابراین سطح اتانول در این نمونه ها بالاتر از حد مجاز اتانول با احتمال انطباق 99 درصد تشخیص داده شد. این مطالعه روشی قابل اعتماد برای آنالیز کمی اتانول در غذاها و نوشیدنی ها فرآوری شده را جهت اطمینان از حلیت آن ها ارایه داده است.
کلید واژگان: اتانول, عدم قطعیت, قواعد تصمیم, محصولات حلالBackground and ObjectiveThis research focuses on developing a novel, eco-friendly approach for measuring ethanol levels in food products and beverages in line with the ISO/IEC 17025 standard. Its significance stems from the growing demand for Halal-certified products in Islamic communities and concerns regarding the ethanol content in these products. Traditional methods of ethanol detection have been hindered by drawbacks such as the use of harmful solvents and reliance on costly equipment.
Materials and MethodsThe study utilized an innovative method involving aqueous extraction with magnetic stirring, combined with gas chromatography featuring a flame ionization detector (GC-FID).
Results and ConclusionThe method demonstrated impressive results, including a low limit of detection (0.0003 mg/mL) and quantification (0.001 mg/mL), high linearity (R2 > 0.999), exceptional trueness (relative biases under 3%), outstanding accuracy (97-102% recoveries), and remarkable precision (RSD < 5%). These findings suggest that this method surpasses the AOAC 983.13 official method, particularly in analyzing solid matrices. Applied to 50 commercial food and beverage samples, the method accurately quantified ethanol levels. It detected ethanol concentrations exceeding the 0.5% permissible limit in four samples, while three samples - two vinegars and one fruit juice - hovered near this threshold. Based on a rigorous decision rule, ethanol levels in these samples were deemed to exceed the permissible limit. Overall, this study introduces a dependable and environmentally friendly technique for the quantitative analysis of ethanol in processed foods and beverages, crucial for verifying their compliance with Halal standards prior to certification.
Keywords: Ethanol, Uncertainty, Decision rules, Halal products -
IntroductionMicroRNA-124 (miR-124) is moderated in some human malignancies and is associated with tumor advancement. But, its expression and clinical importance in ovarian carcinoma is still unclear. Thus, the goal of this study was to feature the clinical importance of personalized miR-124 expression in ovarian carcinoma.Methods94 women ovarian cancer tissues and 26 normal ovarian tissues were accumulated from patients. We used Real-time PCR to quantify the expression of personalized miR-124 in clinical ovarian carcinoma specimen and normal tissues. Moreover, we measured the miR-124 relationship with clinicopathologic characteristics and the ovarian carcinoma survival.ResultsThe lesser expression of miR-124 in tumor tissues can be found in compared with normal tissue using PCR method (P < 0.05). Our data exhibited that there is a notable association among low expression of miR-12 and clinical staging of ovarian carcinoma (P = 0.023). Nevertheless, miR-124 expression was not notably associated with age (P = 0. 671), differentiation status (P = 0.512), lymph node metastasis (P = 0.415) and histological subtypes (0.547). Kaplan-Meier survival analysis and log-rank test were applied in present study. These tests showed the less expression on patients had markedly short-term survival time in comparison with high expression group (P = 0.022). Multivariate Cox proportional hazards model analysis revealed that less expression of miR-124 and clinical staging were contribute to short-term survival in patients with ovarian carcinoma. The HR of the low miR-124 expression group was calculated to be 2.532 (95% CI: 1.572-9.237, P = 0.021), (clinical staging HR: 2.532; 95% CI: 1.321-9.241, P = 0.032).ConclusionsThese findings suggested that personalized miR-124 could be considered as an independent prognostic factor for ovarian carcinoma patients. Our findings suggested that low expression of personalized miR-124 has prognostic worthiness in ovarian.Keywords: Ovarian, MicroRNA, Carcinoma, pathology, Clinical, Personalized Medicine
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.