شفقنا – پژوهشگران کالج کینگز لندن یک مدل هوش مصنوعی توسعه دادهاند که میتواند با دقت بالا، اسکنهای طبیعی و غیرطبیعی مغز را در تصاویر امآرآی تشخیص دهد. این فناوری میتواند به مقابله با فهرستهای انتظار طولانی در بخشهای رادیولوژی و تسریع تشخیص بیماریهایی مانند سکته مغزی، اماس و تومورهای مغزی کمک کند.
به گزارش سرویس ترجمه شفقنا، کمبود رادیولوژیست در سراسر جهان و افزایش سالانه درخواست امآرآی طی بیش از یک دهه، باعث ایجاد تأخیر در تشخیص و درمان شده است که میتواند به عواقب جدی برای بیماران منجر شود. حالا هوش مصنوعی به کمکی برای حل این معضل تبدیل شده است.
برخلاف بسیاری از مدلهای هوش مصنوعی که نیاز به برچسبگذاری دستی دادهها توسط متخصصان دارند (که پرهزینه است)، این سیستم به صورت خودکار آموزش داده شد. مدل بر اساس بیش از ۶۰,۰۰۰ اسکن امآرآی مغز موجود و گزارشهای رادیولوژی مربوط به آنها به طور همزمان آموزش دید.
با آموزش سیستم بر اساس تصاویر اسکن و همچنین زبان و توصیفاتی که رادیولوژیستها برای ناهنجاریها به کار میبرند، هوش مصنوعی آموخت که «ناهنجاریها چه شکلی دارند.»
عملکرد و مزایای مدل
تمایز بین اسکنهای عادی و غیرعادی: این سیستم توانست ناهنجاریهای کلی را با دقت بالا (در مقایسه با ارزیابی رادیولوژیستهای متخصص) تشخیص دهد.
تشخیص شرایط خاص: مدل در تشخیص شرایط خاصی مانند سکته مغزی، تومورهای مغزی (مانند گلیوما) و مولتیپل اسکلروزیس در اسکنهای جدید (که در دادههای آموزشی نبودند) عملکرد دقیقی نشان داد.
این فناوری میتواند با هدف قراردادن چندین چالش در بخش رادیولوژی، به بهبود نتایج بیماران کمک کند. هوش مصنوعی میتواند بلافاصله اسکنهای غیرعادی را در زمان اسکن پرچمگذاری کند تا فرآیند گزارشدهی سرعت یابد.
این سیستم میتواند با جستجو و بازیابی موارد مشابه از آزمایشهای گذشته، به رادیولوژیستها در تصمیمگیری بالینی کمک کند و احتمال خطاهای گزارشدهی را کاهش دهد.
محققان قصد دارند گام بعدی را برداشته و یک کارآزمایی چندمرکزی در سراسر بریتانیا را در سال ۲۰۲۶ آغاز کنند تا بررسی کنند که چگونه تشخیص ناهنجاری با هوش مصنوعی میتواند جریان کاری و سرعت تشخیص در بیمارستانها را بهبود بخشد.
این خبر را اینجا ببینید.