1 - با تشکر از حضور در این مصاحبه، لطفاً خودتان را معرفی کرده و سوابق علمی، پژوهشی، اجرایی و عملی خود و همچنین فعالیت‌های مرتبط با این پژوهش را بیان کنید :

اینجانب سیامک فرخ فرقانی، دانشیار گروه جراحی پلاستیک و معاون پژوهشی مرکز تحقیقات سوختگی دانشگاه علوم پزشکی ایران هستم. در طول سال‌های اخیر، فعالیت‌های پژوهشی اینجانب بر بهبود پیامدهای بالینی بیماران سوختگی متمرکز بوده است. این پژوهش در راستای همان اهداف و با همکاری تیمی از متخصصان مرکز تحقیقات سوختگی و گروه پزشکی اجتماعی دانشگاه علوم پزشکی ایران به انجام رسیده است.

۲- دلیل اصلی شما برای انتخاب این طرح تحقیقاتی چه بود و چه کسانی در این پژوهش یاری‌دهنده شما بودند؟

بیماران سوختگی به دلیل اختلال در سیستم ایمنی، از بین رفتن سد محافظتی پوست، و پاسخ‌های التهابی پیچیده، در معرض خطر بالای ابتلا به سپسیس و عفونت جریان خون قرار دارند. از سوی دیگر، معیارهای سنتی تشخیص سپسیس نظیر SIRS، SOFA و  Sepsis-3  در این بیماران از دقت و کارایی کافی برخوردار نیستند، چرا که پاسخ هیپرمتابولیک ناشی از سوختگی خود به تنهایی می‌تواند علائمی مشابه سپسیس ایجاد کند. این خلأ بالینی جدی، انگیزه اصلی اینجانب برای انتخاب این موضوع بود. همچنین مشاهده شد که با وجود پیشرفت‌های چشمگیر در حوزه هوش مصنوعی و یادگیری ماشین در پزشکی، هیچ مرور نظام‌مندی به‌طور اختصاصی این کاربردها را در جمعیت بیماران سوختگی بررسی نکرده بود. این پژوهش با همکاری خانم دکتر شادی عزیزی، خانم دکتر سودابه هویدامنش، خانم توران باقری، آقای دکتر فرحان عباسی ورکی، و آقای دکتر طیب قدیمی به انجام رسید.

۳- پژوهش‌تان را معرفی کرده و با بیان ویژگی‌ها و نوآوری‌های آن، موضوعات و محورهای اصلی آن را شرح دهید:

این پژوهش یک مرور نظام‌مند است که به‌منظور بررسی شواهد موجود درباره استفاده از مدل‌های یادگیری ماشین در پیش‌بینی سپسیس و عفونت جریان خون در بیماران سوختگی انجام شد و در مجله Burns (Elsevier) در سال ۲۰۲۶ منتشر گردید.

در این مطالعه، جستجویی نظام‌مند در پایگاه‌های PubMed، Scopus و Web of Science صورت گرفت که از میان ۵۸۴ مقاله، ۷ پژوهش واجد شرایط انتخاب شدند؛ ۴ مورد در زمینه پیش‌بینی سپسیس و ۳ مورد در زمینه پیش‌بینی عفونت جریان خون.

این تحقیق نخستین مرور نظام‌مند اختصاصی درباره کاربرد هوش مصنوعی در بیماران سوختگی است و برای ارزیابی کیفیت مطالعات از ابزارهای نوین PROBAST+AI، TRIPOD-AI و CHARMS استفاده شده است.

۴- آیا این پژوهش به مرحله اجرا و بهره‌برداری رسیده است؟

این پژوهش در مرحله کنونی یک مرور نظام‌مند علمی است که زیرساخت دانشی لازم برای توسعه ابزارهای بالینی را فراهم می‌آورد. یافته‌های آن نشان می‌دهد که حوزه کاربرد هوش مصنوعی در پیش‌بینی سپسیس بیماران سوختگی هنوز در مراحل ابتدایی قرار دارد و مطالعات موجود به دلیل محدودیت در حجم نمونه و اعتبارسنجی خارجی، آمادگی کامل برای پیاده‌سازی بالینی گسترده را ندارند. با این حال، این مرور نظام‌مند مسیر روشنی برای پژوهش‌های آینده و در نهایت توسعه ابزارهای تصمیم‌گیری بالینی مبتنی بر هوش مصنوعی ترسیم کرده است.

۵- این طرح پژوهشی چه گره‌ای از مشکلات مردم باز خواهد کرد؟

سپسیس یکی از مهم‌ترین علل مرگ‌ومیر در بیماران سوختگی است و تأخیر در تشخیص آن می‌تواند پیامدهای جدی و جبران‌ناپذیری به همراه داشته باشد. این پژوهش با بررسی وضعیت موجود و شناسایی خلأهای پژوهشی در زمینه استفاده از هوش مصنوعی برای پیش‌بینی زودهنگام سپسیس، زمینه را برای توسعه ابزارهای هوشمند در حوزه مراقبت از بیماران سوختگی فراهم می‌کند. چنین ابزارهایی می‌توانند به پزشکان در تشخیص سریع‌تر سپسیس کمک کرده، از تجویز بی‌رویه آنتی‌بیوتیک و بروز مقاومت دارویی جلوگیری کنند، مدت بستری و هزینه‌های درمانی را کاهش دهند و در نهایت به کاهش نرخ مرگ‌ومیر ناشی از سپسیس در مراکز درمانی سوختگی منجر شوند.

۶- انتظار شما از مسئولین و متولیان امور پژوهشی در زمینه حمایت یا توسعه فعالیت‌های مشابه چیست و چه راهکارهایی پیشنهاد می‌کنید؟

از مسئولین و متولیان امور پژوهشی انتظار می‌رود زمینه حمایت مؤثر از این حوزه را فراهم کنند. این حمایت می‌تواند از طریق تأمین منابع مالی هدفمند برای انجام مطالعات چندمرکزی با حجم نمونه کافی در مراکز سوختگی کشور، ایجاد زیرساخت‌های داده‌محور مانند رجیستری ملی بیماران سوختگی برای تولید داده‌های باکیفیت و قابل استفاده در آموزش مدل‌های هوش مصنوعی، و همچنین تسهیل همکاری‌های بین‌رشته‌ای میان متخصصان سوختگی، متخصصان بیماری‌های عفونی و دانشمندان داده تحقق یابد. علاوه بر این، توسعه برنامه‌های آموزشی در حوزه هوش مصنوعی پزشکی برای پژوهشگران بالینی و توجه به نتایج این پژوهش‌ها در سیاست‌گذاری‌های بهداشتی مرتبط با مراقبت از بیماران سوختگی نیز می‌تواند نقش مهمی در پیشبرد و کاربردی شدن چنین مطالعاتی داشته باشد.

۷- اگر توضیح دیگری در خصوص برنامه‌های جاری، برنامه‌های آینده و اهداف خود دارید، در پایان بیان بفرمایید.

در ادامه این مسیر پژوهشی، برنامه‌ریزی شده است که با بهره‌گیری از یافته‌های این مرور نظام‌مند، مطالعات اولیه‌ای برای توسعه و اعتبارسنجی مدل‌های یادگیری ماشین بومی در مراکز سوختگی طراحی و اجرا گردد. هدف بلندمدت، میتواند ایجاد یک ابزار پشتیبانی تصمیم‌گیری بالینی باشد که بتواند با تحلیل داده‌های بالینی و آزمایشگاهی بیماران سوختگی، خطر ابتلا به سپسیس را در مراحل اولیه پیش‌بینی کرده و به تیم درمانی هشدار دهد. امیدواریم این تلاش‌ها در نهایت به بهبود پیامدهای بالینی بیماران سوختگی در کشور منجر گردد.