شفقنا – پژوهشگران دانشگاه فناوری کاوناس لیتوانی با توسعه یک سیستم هوش مصنوعی مبتنی بر دید دوگانه (همزمان به جزئیات و تصویر کلی) توانستند سرطان ریه را در مراحل اولیه با دقتی بیش از ۹۶ درصد تشخیص دهند. این دستاورد که تقلیدی از نحوه کار رادیولوژیستها اما بدون نیاز به جابجایی بین نماهاست، میتواند جان هزاران بیمار را با تشخیص زودهنگام نجات دهد.
به گزارش سرویس ترجمه شفقنا، بر اساس یافتههای علمی جدید، سرطان ریه همچنان اصلیترین علت مرگهای ناشی از سرطان در جهان است و سالانه حدود ۱.۸ میلیون قربانی میگیرد. یکی از دلایل اصلی این آمار، تشخیص دیرهنگام است؛ زیرا در مراحل اولیه، این بیماری به صورت گرههای بسیار ریزی ظاهر میشود که حتی برای رادیولوژیستهای مجرب نیز تشخیص آنها از بافت سالم دشوار است.
محققان برای حل این چالش، سیستمی مبتنی بر هوش مصنوعی طراحی کردهاند که تصاویر سیتی اسکن ریه را به شیوهای تحلیل میکند که بسیار شبیه به عملکرد پزشکان است، اما بدون نیاز به جابجایی میان دیدگاههای مختلف.
نحوه عملکرد مدل «دید دوگانه»:
– یک بخش از مدل روی جزئیات ریز مانند نقاط بسیار کوچک یا بافتهای غیرعادی در ریه تمرکز میکند.
– بخش دیگر به تصویر کلی نگاه کرده و بافت بزرگتر را درک میکند.
در عمل، یک رادیولوژیست مدام بین این دو دیدگاه جابجا میشود: روی نواحی مشکوک زوم میکند و سپس دور میشود تا ارتباط آنها با کل ریه را بفهمد. اما سیستم هوش مصنوعی هر دو کار را همزمان انجام میدهد.
این سیستم دقتی بیش از ۹۶ درصد در تشخیص سرطان ریه به دست آورده و عملکرد پایداری در آزمونهای مختلف داشته است. مدل جدید برخلاف بسیاری از سیستمهای قبلی که فقط بخشی از اطلاعات (یا جزئیات یا ساختار کلی) را دریافت میکردند، هر دو جنبه را همزمان پردازش میکند. این سیستم هم تعداد مواردی که سرطان نادیده گرفته میشود کاهش میدهد و هم هشدارهای نادرستی که منجر به استرس و اقدامات غیرضروری میشوند را کمتر میکند.
این سیستم به عنوان یک «نظر دوم» در کنار پزشک عمل میکند و به اطمینان از نادیده گرفته نشدن جزئیات مهم کمک کرده و زمان مورد نیاز برای هر بیمار را کاهش میدهد – به ویژه در محیطهای کاری با حجم بالا.
از نظر بیماران، تشخیص زودهنگام سرطان ریه (که اغلب دیر تشخیص داده میشود) میتواند به طور چشمگیری میزان بقا را افزایش دهد. هرچه درمان زودتر شروع شود، نتایج به طور کلی بسیار بهتر خواهد بود.
محققان تأکید میکنند که مدل فعلی روی مجموعه داده نسبتاً محدودی آموزش دیده و هنوز باید روی گروههای بیمار بزرگتر و متنوعتر آزمایش شود. در شرایط واقعی، متغیرهای زیادی وجود دارد – اسکنرهای مختلف، پروتکلهای تصویربرداری گوناگون و جمعیتهای بیمار متفاوت – بنابراین باید اطمینان حاصل شود که سیستم در همه این شرایط به طور قابل اعتماد عمل میکند.
به گفته پژوهشگران، همین رویکرد میتواند فراتر از سرطان ریه نیز به کار رود. هر گونه تصویربرداری پزشکی که هم به تحلیل جزئیات و هم به درک تصویر کلی نیاز داشته باشد – از جمله تومورهای مغزی، سرطان پستان و بیماریهای چشمی – میتواند از این نوع مدل بهرهمند شود.
این خبر را اینجا ببینید.