هوش مصنوعی از دیدگاه پزشکان چشم‌پزشک

متخصصان حوزه مراقبت از بینایی قادر خواهند بود به‌زودی بر کمک‌های هوش مصنوعی در شناسایی «کراتیت» (Keratitis) عفونی که یکی از علل اصلی کوری ناشی از آسیب به قرنیه در سرتاسر جهان است، تکیه کنند. نتایج پژوهش جدید از «دانشگاه بیرمنگام»(University of Birmingham) نشان می‌دهد که مدل‌های مبتنی بر یادگیری عمیق، توانسته‌اند دقتی مشابه با پزشکان در تشخیص عفونت‌های چشمی داشته باشند.

به نقل از وب‌سایت رسمی دانشگاه بیرمنگام، دکتر «دارن تینگ» (Darren Ting) از این دانشگاه، به همراه گروهی بین‌المللی از محققان، ۳۵ مطالعه موردی را بررسی کرده‌اند که در آن‌ها از مدل‌های یادگیری عمیق برای تشخیص کراتیت عفونی بهره‌برداری شده بود.

دقت مدل‌های هوش مصنوعی مورد استفاده در این مطالعه با دقت تشخیص پزشکان هم‌سطح بود. حساسیت آنها ۸۹.۲ درصد و حساسیت چشم‌پزشکان ۸۲.۲ درصد ثبت شد.

این مدل‌ها به طور ترکیبی بر روی بیش از ۱۳۶ هزار تصویر قرنیه کار کرده و پژوهشگران خاطرنشان کردند که نتایج بیشتر نشان‌دهنده قابلیت‌های بالقوه هوش مصنوعی در زمینه‌های بالینی است.

تینگ در این رابطه بیان کرد: یافته‌های پژوهش ما نشان‌دهنده این است که هوش مصنوعی قادر به ارائه تشخیص‌های سریع و قابل اعتماد است که می‌تواند نحوه مدیریت عفونت‌های قرنیه را در سطح جهانی دستخوش تغییر نماید. این خصوصیت به‌ویژه برای مناطقی که به مراقبت‌های تخصصی چشم به‌راحتی دسترسی ندارند، مشوقانه است و می‌تواند به کاهش بار نابینایی قابل پیشگیری کمک نماید.

این مدل‌ها همچنین در تفکیک چشم‌های سالم از قرنیه‌های عفونی و تشخیص علل مختلف کراتیت عفونی، از جمله عفونت‌های باکتریایی و قارچی، کارآمد بودند.

اگرچه یافته‌های این مطالعه به توانمندی‌های یادگیری عمیق در حوزه بهداشت و درمان اشاره دارند، اما محققان بر لزوم وجود داده‌های متنوع‌تر و انجام اعتبارسنجی بیشتر برای افزایش اعتمادپذیری این مدل‌ها در کاربردهای بالینی تأکید کردند.

این تحقیق در نشریه «eClinicalMedicine» به چاپ رسیده است.