دسته‌بندی نشدهرباتیک پزشکیهوش مصنوعی

جلوگیری از نابینایی با کمک هوش مصنوعی توسط پروژه RETFound در 2023 محقق گردید !!!

جلوگیری از نابینایی با کمک هوش مصنوعی به کمک RETFound که مدل جدید هوش مصنوعی برای تشخیص بیومارکرهای بیماری شبکیه است توسط بیمارستان چشم مورفیلدز ساخته شده است.

به گزارش مکاترونیک نیوز، در دانشگاه کالج لندن (UCL) و بیمارستان چشم مورفیلدز، دانشمندان یک سیستم هوش مصنوعی (AI) ارائه کرده اند که نه تنها می تواند بیماری های چشمی تهدید کننده بینایی را تعیین کند و به جلوگیری از نابینایی با کمک هوش مصنوعی کمک کند، بلکه سلامت عمومی انسان‌ها مانند سکته مغزی، حملات قلبی و بیماری پارکینسون را نیز پیش بینی می‌کند.

RETFound، یکی از اولین مدل‌های پایه هوش مصنوعی در مراقبت‌های بهداشتی و اولین مدل در چشم پزشکی جهت جلوگیری از نابینایی با کمک هوش مصنوعی، با استفاده از میلیون‌ها اسکن چشم از NHS ساخته شد.

این گروه تحقیقاتی پروژه جلوگیری از نابینایی با کمک هوش مصنوعی را به صورت صورت منبع باز در اختیار محققان قرار می ردهد تا بتواند به‌طور رایگان در دسترس هر مؤسسه‌ای در سراسر جهان قرار گیرد و به عنوان مبنایی برای اقدامات جهانی جهت تشخیص و درمان نابینایی با کمک هوش مصنوعی عمل کند. این مطالعه اخیراً در مجله Nature گزارش شده است.

پیشرفت‌های ایجاد شده در هوش مصنوعی با سرعتی سرگیجه‌آور به سرعت ادامه می یابد، و با توسعه مدل‌های “بنیادین” مانند ChatGPT، هیجان ایجاد می‌شود. یک مدل پایه، یک سیستم هوش مصنوعی بسیار بزرگ و پیچیده را توضیح می‌دهد که بر روی مقادیر انبوهی از داده‌های بدون برچسب آموزش دیده است، که می‌تواند برای طیف‌های مختلف وظایف به‌خوبی تنظیم شود. RETFound به طور مداوم از سیستم‌های هوش مصنوعی پیشرفته کنونی در طیف وسیعی از وظایف پیچیده بالینی فراتر می‌رود، و حتی مهم‌تر از آن، نقص قابل‌توجهی از چندین سیستم هوش مصنوعی فعلی را با عملکرد خوب در جمعیت‌های مختلف و همچنین در بیماران مبتلا به بیماری‌های نادر برطرف می‌کند تا بتواند به جلوگیری از نابینایی با کمک هوش مصنوعی کمک کند.

پیرس کین، نویسنده ارشد مطالعه و استاد، موسسه چشم پزشکی و بیمارستان چشم مورفیلد، دانشگاه کالج لندن:

این یک گام بزرگ دیگر به سمت استفاده از هوش مصنوعی برای ابداع مجدد معاینه چشم برای قرن بیست و یکم، هم در بریتانیا و هم در سطح جهان است. ما چندین شرایط نمونه را نشان می‌دهیم که می‌توان از RETFound استفاده کرد، اما این پتانسیل را دارد که برای صدها بیماری چشمی تهدید کننده بینایی دیگر که هنوز آنها را بررسی نکرده‌ایم توسعه یابد.

کین افزود: «اگر بریتانیا بتواند داده‌های بالینی با کیفیت بالا از NHS را با تخصص برتر علوم رایانه از دانشگاه‌های خود ترکیب کند، پتانسیل واقعی برای تبدیل شدن به یک رهبر جهانی در مراقبت‌های بهداشتی مبتنی بر هوش مصنوعی را دارد. ما معتقدیم که کار ما الگویی برای چگونگی انجام این کار فراهم میکند.»

در گزارشی که در اوایل سال 2023 منتشر شد، دولت بریتانیا از مدل‌های پایه هوش مصنوعی به عنوان «فناوری متحول‌کننده» یاد کرد و با راه‌اندازی ChatGPT در نوامبر 2022 مورد توجه قرار گرفت.

این یک مدل پایه است که با کمک مقادیر بسیار زیاد داده های متنی آموزش داده شده است تا ابزار زبانی همه کاره را ارائه دهد. با در نظر گرفتن روشی مشابه با تصاویر چشم در جهان، RETFound روی میلیون‌ها اسکن شبکیه آموزش دیده است تا مدلی بسازد که می‌تواند برای استفاده‌های احتمالاً نامحدود سازگار شود.

یکی از مشکلات اصلی هنگام ارائه مدل‌های هوش مصنوعی، نیاز به برچسب‌های انسانی خبره است که اغلب به دست آوردن آنها پرهزینه و خسته‌کننده است. همانطور که در این مطالعه نشان داده شد، RETFound می‌تواند با عملکرد سایر سیستم های هوش مصنوعی مطابقت داشته باشد در حالی که از 10٪ برچسب‌های انسانی در مجموعه داده خود استفاده می‌کند.

اعتبار تصویر: بیمارستان چشم مورفیلد
اعتبار تصویر: بیمارستان چشم مورفیلد -تلاش های دانشمندان جهت پروژه جلوگیری از نابینایی به کمک هوش مصنوعی

این افزایش کارایی برچسب با استفاده از یک روش ابتکاری خود نظارتی به دست آمده است که در آن RETFound بخش‌هایی از یک تصویر را پنهان می‌کند و بیشتر یاد می‌گیرد که قسمت‌های از دست رفته را خودش پیش‌بینی کند.

RETFound می تواند به بهبود تشخیص برخی از ناتوان کننده ترین بیماری های چشمی مانند گلوکوم و رتینوپاتی دیابتی کمک کند و بیماری های سیستمیک مانند نارسایی قلبی، پارکینسون و سکته را پیش بینی کند.

تعیین مشکلات عمومی سلامت از طریق چشم، یک علم نوظهور است که به نام “اکولومیکس” شناخته می شود – اصطلاحی که در سال 2020 توسط پروفسور آلستر دنیستون، یکی از نویسندگان همکار این مطالعه ابداع شد. چشم “پنجره ای” به سوی سلامتی است که نگاهی غیر تهاجمی به سیستم عصبی ارائه می دهد.

به دست آوردن بینش در مورد رابطه چشم و بدن برای نزدیک شدن به بیماری های پیچیده و مسائل کلی مرتبط با پیری کلیدی است.

علاوه بر این، RETFound نشان داده است که در تشخیص بیماری در جمعیت های مختلف به همان اندازه موثر است.

یوکون ژو، نویسنده ارشد مطالعه و دانشجوی دکترا، مرکز محاسبات تصویر پزشکی، فیزیک پزشکی و مهندسی بیومدیکال UCL، و بیمارستان چشم مورفیلد، دانشگاه کالج لندن:

با آموزش RETFound با مجموعه داده‌هایی که تنوع قومی لندن را نشان می‌دهند، پایگاه ارزشمندی را برای محققان در سراسر جهان ایجاد کرده‌ایم تا سیستم‌های خود را در کاربردهای مراقبت‌های بهداشتی مانند تشخیص بیماری‌های چشمی و پیش‌بینی بیماری‌های سیستمیک بسازند.

RETFound با یک مجموعه داده انتخاب شده دستی از حدود 1.6 میلیون تصویر از بیمارستان چشم مورفیلدز آموزش داده شد. این ابزار از ابزارها و زیرساخت‌های هوش مصنوعی ارائه شده توسط INSIGHT، مرکز تحقیقات داده‌های سلامت تحت سرپرستی NHS که به منظور سلامت چشم مستقر در Moorfields م باشند و بزرگترین منبع زیستی داده‌های چشمی در جهان محسوب می‌شوند، استفاده می‌کند.

قابلیت‌های محاسباتی و هوش مصنوعی قوی این هاب از یک همکاری تحقیقاتی در سال 2016 بین Moorfields و DeepMind که اکنون Google DeepMind است، ایجاد شده است. گروه تحقیقاتی به سرپرستی Yukun Zhou و پروفسور Pearse Keane از Moorfields و UCL، این مدل را به صورت رایگان برای استفاده در GitHub در دسترس قرار داده است. دانشمندان در سراسر جهان، مانند چین و سنگاپور، از RETFound در بررسی جدید بیماری های چشمی خود استفاده کرده اند.

RETFound - پروژه جلوگیری از نابینایی با کمک هوش مصنوعی
شماتیک توسعه و ارزیابی مدل های پایه (RETFound).
مرحله اول RETFound را با استفاده از SSL، با استفاده از CFP و OCT از MEH-MIDAS و مجموعه داده های عمومی می سازد. مرحله دوم RETFound را با وظایف پایین دستی با استفاده از یادگیری نظارت شده برای ارزیابی داخلی و خارجی تطبیق می دهد. پروژه جلوگیری از نابینایی با کمک هوش مصنوعی

 

این پروژه شامل یک تلاش مشترک بین NIHR Moorfields، UCLH، و NIHR Birmingham Biomedical Research Centres، گرد هم آوردن تیم های علوم کامپیوتر و مهندسی در UCL بود.

نام خبرنگار : سمیه آموت سر

منبع خبر :

Zhou, Y., et al. (2023). A foundation model for generalizable disease detection from retinal images. Naturedoi.org/10.1038/s41586-023-06555-x

Source: https://www.ucl.ac.uk

 

نمایش بیشتر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همچنین ببینید
بستن
دکمه بازگشت به بالا