هوش مصنوعی نوین قادر است بیماری های ریوی را با دقت ۹۷ درصد شناسایی کند

یک مدل نوین هوش مصنوعی قادر است بیماری های مختلف ریوی را با دقت ۹۶.۵۷ درصد از طریق ویدئوهای فراصوت شناسایی کند و این توانایی را دارد که تشخیص دهد آیا این ناهنجاری ها ناشی از ذات الریه، کووید۱۹ یا سایر بیماری ها است.

این مدل که توسط پژوهشگران دانشگاه چارلز داروین استرالیا (CDU)، دانشگاه بین المللی یونایتد و دانشگاه کاتولیک استرالیا (ACU) ابداع شده است، به شناسایی الگوهای خاص در بیماری های ریوی مختلف می پردازد و در مقایسه با ابزارهای قبلی هوش مصنوعی که بر روی مجموعه های داده فراصوت آزمون شده بودند، عملکرد بهتری دارد.

به نقل از نیواطلس، نیوشا شفیع آبادی، یکی از نویسندگان این پژوهش، اظهار می دارد: این مدل علاوه بر تشخیص، از تکنیک های هوش مصنوعی برای توضیح دلایل اتخاذ تصمیمات خاص نیز بهره می برد، که این امر به تسهیل اعتماد و درک نتایج برای رادیولوژیست ها کمک می کند. این سیستم به پزشکان امکان می دهد تا بیماری های ریوی را به سرعت و با دقت فراوان تشخیص دهند و در فرآیند تصمیم گیری آن ها را یاری می نماید و همچنین زمان را ذخیره کرده و به عنوان ابزاری آموزشی با ارزش عمل می کند.

این تیم دو نوع مدل هوش مصنوعی را به شکل ترکیبی وارد عمل کردند و نشان دادند که فناوری جدید چقدر قابلیت انطباق با نیازهای تشخیصی را دارد. یکی از این مدل ها که به عنوان شبکه عصبی کانولوشن (CNN) شناخته می شود، تمرکز خود را بر تشخیص الگوها در تصاویر یا فریم ها قرار می دهد و به یافته های جزئی بر اساس پیکسل اعتنا می کند که به راحتی از چشم انسان پنهان می ماند. سپس، یک مدل حافظه کوتاه مدت بلندمدت (LSTM) اطلاعات به دست آمده را در بستر وسیع تری قرار داده و داده های شبکه عصبی را در طول زمان تحلیل می کند، در حالی که داده های غیرمربوط را کنار می گذارد.

مدل ترکیبی تازه ای که با نام TDCNNLSTMLungNet شناخته می شود، در شناسایی ناهنجاری ها کارایی بالایی دارد و می تواند به تفصیل توضیح دهد که مشکل چیست. همچنین می تواند تعیین کند که آیا اسکن ها نشان دهنده علائم ذات الریه، کووید۱۹ یا بیماری های ریوی دیگر هستند یا اینکه وضعیت ریه ها طبیعی است. با نرخ «یادآوری» بالای ۹۶.۵۱ درصد، به وضوح نشان دهنده این است که تعداد اندکی نتیجه منفی کاذب وجود دارد که این موضوع در درمان فوری بیماری های ریوی اهمیت زیادی دارد.

در حالی که به یقین تشخیص مبتنی بر هوش مصنوعی به زودی در مراکز درمانی معمول خواهد شد، اما هنوز تردیدها و بی اعتمادی به این فناوری نوظهور پابرجاست. گرچه چت بات های هوش مصنوعی که امروزه با آن ها تعامل می کنیم، هنوز برای ارزیابی بالینی اسکن ها یا آزمایش های پزشکی آموزش ندیده اند، اما مدل های خاصی در حال ایجاد هستند تا به ابزارهای قابل اعتمادی در حوزه مراقبت های بهداشتی تبدیل شوند.

برای مثال، حدود یک سال پیش، سازمان غذا و داروی آمریکا (FDA) تأیید کرد که دستگاه درماسنسور (DermaSensor)، به عنوان نخستین دستگاه هوشمند مجهز به هوش مصنوعی، توانایی تشخیص تقریباً ۲۰۰ نوع مختلف سرطان پوست را دارد. این در حالی است که این ابزارها به عنوان جایگزین متخصصان پزشکی طراحی نشده اند، اما پیش بینی می شود که به یکی از سودمندترین و مقرون به صرفه ترین فناوری ها در زمینه پزشکی تبدیل شوند.

مدل جدید هوش مصنوعی همچنین می تواند تفاوت های ظریف را تشخیص دهد که به وضوح کووید۱۹ را از ذات الریه متمایز می سازد. همانطور که پژوهشگران اشاره کردند، این دو بیماری در نظر سطحی به طور مشابه به نظر می رسند اما الگوهای مشخصی دارند که به مدل هوش مصنوعی اجازه می دهد تفاوت ها را شناسایی کند.