ارائه پروتزهای سفارشی جراحیهای ارتوپدی و فک و صورت با پرینترهای سهبعدی
تاریخ انتشار: ۲۳ تیر ۱۴۰۲ | کد خبر: ۳۸۲۱۸۵۴۰
یکی از شرکتهای دانشبنیان محصولات و خدمات خود را در حوزه ارتوپدی و فک و صورت بهصورت بیمارمحور و سفارشی و با استفاده از فناوریهای نوین تولید نظیر پرینترهای سهبعدی بر پایه لیزر ارائه میکند.
دکتر مراد کریمپور، مدیرعامل این شرکت دانشبنیان و عضو هیئت علمی دانشگاه تهران در گفتوگو با ایران اکونومیست اظهار کرد: در دکترین ارائه خدمات بیمارمحور، پزشک، طرحِ درمان ایدهآل خود را با کارشناسان بالینی این شرکت مطرح میکند و پروتز و یا گاید سفارشی بر اساس هندسه اختصاصی اندام بیمار و با توجه به طرح درمان پیشنهادی طراحی و ساخته میشود.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
عضو هیئت علمی گروه بیومکانیک دانشکده مهندسی مکانیک دانشگاه تهران، ادامه داد: همچنین این امکان وجود دارد تا آنالیزها و تحلیلهای دقیق بیومکانیکی بر اساس تصویربرداریهای سهبعدی از اندام بیمار انجام شود و طرح درمان پیشنهادی پزشک، پیش از جراحی بر روی کامپیوتر بهصورت مجازی شبیهسازی و در نهایت بهترین روش درمان در تعامل بین پزشک و مهندسین انتخاب شود و طی جراحی، پزشک با فراق خاطر روش بهینه جراحی را اجرا کند.
کریمپور افزود: محصولات این شرکت فناور عمدتا در دو حوزه جراحیهای ارتوپدی و فک و صورت ارائه میشود و این شرکت توانسته طی مدت فعالیتش مورد اعتماد بسیاری از جراحان باشد و در مواردی که بیمار نیازمند طرح درمانهای پیچیده بوده از خدمات و محصولات این شرکت استفاده شده است.
وی توضیح داد: بهعنوان مثال در جراحی انواع تومورهای ارتوپدی و فک و صورت، پروتزهای سفارشی موجب میشوند تا ضمن انجام جراحی دقیق، زمان جراحی و نتیجه درمان به مراتب بهبود یابد و کیفیت درمان افزایش یابد.
مدیرعامل این شرکت دانشبنیان خاطرنشان کرد: در جراحیای در زمستان سال ۱۴۰۱، بیماری از تومور بدخیم «کندروسارکوما» (یک نوع بدخیم تومور استخوانی که از یک سلول بافت غضروفی موجود در اسکلت انسان منشأ میگیرد) در ناحیه لگن رنج میبرد، با استفاده از پروتز سفارشی ساخته شده از جنس تیتانیوم تحت عمل جراحی قرار گرفت و از قطع اندام بیمار جلوگیری شد. همچنین در جراحی خارجسازی تومور «آملوبلاستوما» در ناحیه فک، استفاده از پروتز سفارشی «پارشیال مندیبل»، منجر به برگشت کامل هندسه صورت بیمار و امکان قرار دادن دندان پس از اتمام درمان خواهد شد.
کریمپور با بیان اینکه در موارد صدمات جمجمه استفاده از پروتزهای سفارشی Cranial (کرانیال) این امکان را فراهم میکند تا پروتز بهصورت دقیق بر اساس شکل سر بیمار طراحی و ساخته شود و ضمن بازسازی هندسه اندام بیمار، بهترین نوع اتصال به استخوان برای Osseointegration و استخوانگیری حداکثری انجام شود، ادامه داد: همچنین با توجه به استفاده از ساخت به روش پرینت سهبعدی، ساختارهای متخلخل TPMS این امکان را فراهم میکند که پروتز ساختهشده جهت استخوانگیری حداکثری بهینه شود.
این عضو هیئت علمی گروه بیومکانیک دانشکده مهندسی مکانیک دانشگاه تهران تصریح کرد: از دیگر موارد استفاده از پروتزهای سفارشی متخلخل میتوان به کیجهای جراحی فیوژن مچ پا اشاره کرد که استفاده از ساختارهای متخلخل ساختهشده از جنس تیتانیوم موجب رشد استخوان داخل پروتز شده و استحکام بسیار زیادی بین پروتز و استخوان بیمار ایجاد میشود.
کریمپور گفت: با توجه به عضویت من در گروه بیومکانیک دانشکده مهندسی مکانیک دانشگاه تهران، عمده پروژههای پژوهشی و موضوعات پایاننامههای دانشجویان مقطع تحصیلات تکمیلی آنها در راستای نیازهای واقعی پزشکان، تعاملات و تجربیات شکل گرفته طی فعالیت شرکت ما تعریف میشود.
وی یادآور شد: این مهم سبب میشود دانشجویان بهصورت مستقیم با موضوعات و نیازهای واقعی کادر درمان و جراحان آشنا شوند و بهصورت عملی در خصوص نحوه تعامل با پزشکان و توسعه محصول و یا ارائه انواع خدمات به پزشکان آموزش ببینند.
مدیرعامل این شرکت دانشبنیان افزود: همکاری نزدیک بین پزشکان و گروه پژوهشی این شرکت به تولید مقالات مشترک بین گروههای پزشکی و مهندسی منجر شده است که در مجلات معتبر بینالمللی و انجمنهای تخصصی منتشر شده است.
کریمپور تصریح کرد: این شرکت یکی از نخستین شرکتهای فعال در زمینه راهکارهای سفارشی در جراحی، با هدف وارد کردن مهندسین پزشکی به فرایند درمان و حضور دوشادوش در کنار پزشک جراح در اتاق عمل، از سال ۱۳۹۲ فعالیت خود را آغاز کرده و خیلی سریع در زمره شرکتهای دانشبنیان نوع یک قرار گرفت.
وی ادامه داد: حضور مهندسین پزشکی در کنار پزشکان، از حلقههای مفقوده درمان در کشور بوده است و شرکت ما فلسفه وجودی خود را در درک صحیح نیازهای پزشکان و تلاش در جهت برطرف کردن آن میدانست.
عضو هیئت علمی گروه بیومکانیک دانشکده مهندسی مکانیک دانشگاه تهران گفت: حضور مهندسین بیومکانیک در اتاق عمل و همکاری تنگاتنگ، طی ۱۰ سال فعالیت این شرکت، به شناخت عمیق از واقعیتها، مشکلات و محدودیتهای جراحان و ارائه خدمات بهتر و با کیفیت بالاتر و در حد استانداردهای جهانی منجر شده است.
کریمپور یادآور شد: همه کارشناسان بالینی این شرکت از میان فارغالتحصیلان رشته بیومکانیک دانشگاههای برتر کشور هستند و این شرکت توانسته بستری فراهم کند که فارغالتحصیلان بتوانند در رشته تخصصی بیومکانیک، فعالیت و در راستای بهبود هرچه بیشتر کیفیت درمان تلاش کنند.
منبع: خبرگزاری ایسنا برچسب ها: ارتوپدی ، مهار تورم و رشد تولید ، شرکتهای دانشبنیان ، دانشگاه تهران
منبع: ایران اکونومیست
کلیدواژه: ارتوپدی مهار تورم و رشد تولید شرکت های دانش بنیان دانشگاه تهران استفاده از پروتز عضو هیئت علمی اندام بیمار دانش بنیان کریم پور سه بعدی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت iraneconomist.com دریافت کردهاست، لذا منبع این خبر، وبسایت «ایران اکونومیست» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۲۱۸۵۴۰ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ارزیابی مشکلات قلبی را به ChatGPT نسپارید!
ایتنا - پژوهشگران «دانشگاه ایالتی واشنگتن» در یک آزمایش جدید دریافتند که ChatGPT نمیتواند عملکرد خوبی را در ارزیابی مشکل قلبی داشته باشد.
به رغم تواناییهای گزارش شده درباره ChatGPT برای قبول شدن در آزمونهای پزشکی، یک پژوهش جدید نشان میدهد که اتکا به این فناوری برای برخی ارزیابیهای سلامتی مانند بررسی نیاز بیمار مبتلا به درد قفسه سینه به بستری شدن در بیمارستان عاقلانه نیست.
به گزارش ایتنا از ایسنا، در پژوهش جدیدی که شامل هزاران وضعیت شبیهسازی شده از بیماران مبتلا به درد قفسه سینه است، ChatGPT نتایج متناقضی را ارائه کرد و سطوح متفاوتی را از ارزیابی خطر مشکل قلبی در دادههای بهدستآمده از بیماران نشان داد. همچنین، این سیستم هوش مصنوعی مولد نتوانست با روشهای سنتی مطابقت داشته باشد که پزشکان از آنها برای قضاوت درباره خطر مشکل قلبی بیمار استفاده میکنند.
دکتر «توماس هستون»(Thomas Heston) پژوهشگر دانشکده پزشکی «دانشگاه ایالتی واشنگتن»(WSU) گفت: ChatGPT به یک شیوه ثابت عمل نمیکرد. با توجه به دادههای مشابه، ChatGPT رتبه خطر پایینی را ارائه میدهد. دفعه بعد یک رتبه متوسط را پیشبینی میکند و گهگاه تا افزایش خطر پیش میرود.
هستون گفت: پژوهشگران باور دارند این مشکل احتمالا به دلیل سطح تصادفی بودن نسخه کنونی نرمافزار ChatGPT۴ است که به آن کمک میکند تا پاسخهایی را برای شبیهسازی زبان طبیعی ارائه دهد. با وجود این، همین تصادفی بودن باعث میشود نرمافزار برای کاربردهای حوزه سلامت که به یک پاسخ منسجم نیاز دارند، به خوبی کارآیی نداشته باشد.
هستون ادامه داد: ما متوجه شدیم که تنوع زیادی وجود دارد و این تنوع در رویکرد میتواند خطرناک باشد. این فناوری میتواند برنامه سودمندی باشد اما من معتقدم که فناوری بسیار سریعتر از درک ما پیش میرود. بنابراین، بسیار مهم است که پژوهشهای بسیاری را به ویژه در موقعیتهای بالینی پرخطر انجام دهیم.
درد قفسه سینه، یکی از شکایتهای رایج در اورژانس است که پزشکان را ملزم میکند تا فوریت وضعیت بیمار را مورد ارزیابی قرار دهند. هستون گفت: برخی از موارد بسیار جدی را به راحتی میتوان با توجه به علائم آنها شناسایی کرد اما موارد کمخطر ممکن است پیچیدهتر باشند؛ به ویژه هنگام تعیین اینکه آیا بیماری باید برای بررسی بیشتر در بیمارستان بستری شود یا به خانه برود و مراقبتهای سرپایی را دریافت کند.
متخصصان پزشکی در حال حاضر اغلب از یکی از دو معیار موسوم به TIMI و HEART برای ارزیابی خطر مشکل قلبی استفاده میکنند. هستون این مقیاسها را به ماشینحسابهایی تشبیه کرد که متغیرهای انگشتشمار را مانند علائم، سابقه سلامت و سن استفاده میکنند. در مقابل، یک شبکه عصبی هوش مصنوعی مانند ChatGPT میتواند میلیاردها متغیر را به سرعت ارزیابی کند. این بدان معناست که شاید ChatGPT بتواند یک موقعیت پیچیده را سریعتر و دقیقتر تحلیل کند.
برای این پژوهش، هستون و همکارش دکتر «لارنس لوئیس»(Lawrence Lewis) پژوهشگر «دانشگاه واشنگتن در سنت لوئیس»(WashU) ابتدا سه مجموعه داده را از ۱۰ هزار مورد تصادفی و شبیهسازیشده ایجاد کردند. یک مجموعه داده دارای هفت متغیر مقیاس TIMI، مجموعه دوم شامل پنج متغیر مقیاس HEART و مجموعه سوم دارای ۴۴ متغیر تصادفی سلامت بود. در دو مجموعه داده اول، ChatGPT ارزیابی خطر متفاوتی را در ۴۵ تا ۴۸ درصد مواقع نسبت به امتیاز ثابت TIMI یا HEART ارائه کرد. پژوهشگران برای آخرین مجموعه داده، موارد را چهار بار اجرا کردند و دریافتند که ChatGPT اغلب با خودش موافق نیست و در ۴۴ درصد مواقع، سطوح ارزیابی متفاوتی را برای موارد مشابه ارائه میدهد.
به رغم یافتههای منفی این پژوهش، هستون پتانسیل زیادی را برای هوش مصنوعی مولد در مراقبتهای بهداشتی پیشبینی میکند. به عنوان مثال، با فرض رعایت استانداردهای حفظ حریم خصوصی، کل سوابق پزشکی را میتوان در برنامه بارگذاری کرد و در شرایط اضطراری، پزشک میتواند از ChatGPT بخواهد تا سریعترین حقایق را درباره یک بیمار ارائه دهد. همچنین، پزشکان برای موارد دشوار و پیچیده میتوانند از برنامه بخواهند تا چندین تشخیص احتمالی را ارائه دهد.
هستون گفت: ChatGPT میتواند در ارائه دادن تشخیص افتراقی عالی باشد و این احتمالا یکی از بزرگترین نقاط قوت آن است. اگر کاملا نمیدانید که درباره یک بیمار چه میگذرد، میتوانید از ChatGPT بخواهید تا پنج تشخیص اصلی و استدلال خود را برای هر یک از آنها ارائه دهد. بنابراین، ChatGPT میتواند به شما کمک کند تا درباره یک مشکل فکر کنید اما در پاسخ دادن خوب نیست.
این پژوهش در مجله «PLOS ONE» به چاپ رسید.