شفقنا – یک مدل جدید هوش مصنوعی با بررسی هم‌زمان تصاویر پزشکی، رابطه ضایعه مشکوک با بافت‌های اطراف و ترتیب تصاویر توانسته در آزمایش‌های استاندارد به دقت بالایی در شناسایی سرطان دست پیدا کند؛ رویکردی که می‌تواند محدودیت مدل‌هایی را که تصاویر را به‌صورت جداگانه تحلیل می‌کنند، کاهش دهد.
به گزارش سرویس ترجمه شفقنا، بسیاری از مدل‌های هوش مصنوعی تصاویر پزشکی را مانند مجموعه‌ای از تصاویر مستقل تحلیل می‌کنند، در حالی که پزشکان هنگام بررسی اسکن‌ها به ارتباط یک ناحیه مشکوک با بافت‌های اطراف و تغییرات آن در تصاویر مختلف نیز توجه دارند.
پژوهشگران برای نزدیک‌تر کردن عملکرد هوش مصنوعی به این شیوه تحلیل، مدلی ساخته‌اند که سه نوع توانایی را با هم ترکیب می‌کند: یک شبکه عصبی برای استخراج ویژگی‌های تصویری، مدلی که رابطه میان ضایعات و نواحی اطراف آن‌ها را تحلیل می‌کند و یک مدل برای درک ترتیب تصاویر.
در آزمایش مربوط به تصاویر ماموگرافی، اطلاعات محدودی مانند سن بیمار و داشتن ایمپلنت نیز در اختیار مدل قرار گرفت؛ اطلاعاتی که پیش از تشخیص در محیط بالینی قابل دسترسی است.
در آزمایش تشخیص سرطان پستان، این مدل توانست در بهترین حالت ۹۵.۲ درصد از موارد را به‌درستی شناسایی کند. در آزمایش‌های تکراری نیز دقت آن حدود ۹۴ درصد باقی ماند؛ نتیجه‌ای که نشان می‌دهد عملکرد مدل فقط به یک اجرای موفق محدود نبوده است.
پژوهشگران همچنین این مدل را روی تصاویر سی‌تی اسکن ریه آزمایش کردند. در این مرحله، اطلاعاتی که قبلاً توسط پزشکان درباره سرطانی یا غیرسرطانی بودن تصاویر ثبت شده بود، در اختیار هوش مصنوعی قرار نگرفت تا مدل مجبور باشد خودش از روی تصاویر به دنبال نشانه‌های سرطان بگردد، نه اینکه از پاسخ‌های آماده پزشکان استفاده کند.
با وجود این نتایج امیدوارکننده، این مدل هنوز برای استفاده در بیمارستان آماده نیست. آزمایش‌ها فعلاً روی مجموعه‌ای از تصاویر پزشکی موجود انجام شده‌اند و باید در بیمارستان‌های مختلف و روی بیماران واقعی نیز آزمایش شود تا مشخص شود در شرایط واقعی چقدر دقیق عمل می‌کند.
با این حال، نتایج نشان می‌دهد هوش مصنوعی برای تشخیص سرطان نباید فقط به یک تصویر نگاه کند؛ توجه به موقعیت ضایعه، ارتباط آن با نواحی اطراف و تغییرات آن در تصاویر مختلف نیز می‌تواند به تشخیص دقیق‌تر کمک کند.
این خبر را اینجا ببینید.