مکاترونیک نیوز | نرم افزارهای مبتنی بر هوش مصنوعی برای تشخیص ناهنجاری‌های ریه مورد استفاده قرار می‌گیرند!

به گزارش مکاترونیک نیوز، هوش مصنوعی رفتار هوشمند و تفکر انتقادی قابل مقایسه با یک انسان را شبیه سازی می‌کند و می تواند برای تجزیه و تحلیل و تفسیر داده های پیچیده پزشکی استفاده شود.

ترکیب عملکرد هوش مصنوعی و تخصص یک رادیولوژیست نتیجه‌ای موفقیت آمیز با دقتی بالاتر در تشخیص‌های رادیولوژی ارائه می‌دهد.

 

استفاده از هوش مصنوعی در فرایندهای تشخیصی تصویربرداری، بار رادیولوژیست ها را کاهش می‌دهد و حساسیت غربالگری سرطان ریه را افزایش می‌دهد به طوری که می‌توان عوارض مرتبط با سرطان ریه را با استفاده از آن به خوبی تشخیص داده و و مرگ و میرهای مرتبط را کاهش داد.

هوش مصنوعی، اصطلاحی است که جان مک کارتی در سال 1956 ابداع کرد و می‌تواند به عنوان رویکرد استفاده از رایانه و فناوری برای شبیه‌سازی رفتار هوشمند و تفکر انتقادی قابل مقایسه با یک انسان توصیف شود. همچنین ما را قادر می‌سازد تا داده‌های پزشکی پیچیده را تجزیه و تحلیل و تفسیر کنیم، بنابراین به تشخیص، مدیریت و پیش‌بینی نتیجه درمان در تظاهرات بالینی مختلف کمک می‌کند.

هوش مصنوعی پتانسیل ایجاد تغییرات اساسی در حوزه پزشکی را دارد. به دست آوردن داده‌های دیجیتالی، یادگیری ماشینی و زیرساخت‌های محاسباتی باعث شده است که برنامه‌های کاربردی هوش مصنوعی به حوزه‌هایی گسترش پیدا کنند که قبلاً تصور می‌شد بدون تخصص انسانی با آخرین پیشرفت‌های آن غیرممکن است.

تاثیر هوش مصنوعی بر رادیولوژی

یادگیری عمیق، تکنیکی در هوش مصنوعی است و  در سال‌های اخیر، توانسته است با سرعت بالایی در زمینه‌های پردازش صوت و نصویر پیشروی کند. به گفته تانگ، هدف اصلی برای ادغام اولیه چنین تکنیک‌هایی در هوش مصنوعی در حوزه پزشکی، به ویژه در تشخیص‌های رادیولوژی است.

انتظار می‌رود عمق، کیفیت و ارزش سهم تشخیص‌های رادیولوژیکی با کمک هوش مصنوعی در کمک به بیماران و سلامت جامعه، به طور قابل توجهی افزایش یابد. همچنین پیش بینی می‌شود که گردش‌های کاری یک رادیولوژیست با استفاده از این ابزارها و تکنولوژی ها پیشرفت و تحول گسترده‌ای داشته باشد.

استفاده از هوش مصنوعی در تشخیص تصویربرداری، بار رادیولوژیست ها را کاهش می‌دهد و حساسیت غربالگری سرطان ریه را افزایش می‌دهد، به طوری که می‌توان به کمک آن عوارض و مرگ و میر مرتبط با سرطان ریه را کاهش داد.

همکاری بین هوش مصنوعی و زمینه های مختلف در پزشکی می‌تواند قابلیت تفسیر و اعتماد به هوش مصنوعی را افزایش دهد.

در این خبر سعی شده است نقش هوش مصنوعی در غربالگری سرطان ریه و پتانسیل و کارایی آتی هوش مصنوعی در طبقه‌بندی ندول‌ها مورد ارزیابی قرار گیرد. مطالعات مربوط به سال‌های 2010-2020 پس از حذف مطالعات حیوانی از پایگاه داده PubMed انتخاب شدند و برای سهم هوش مصنوعی مورد تجزیه و تحلیل قرار گرفتند.

تکنیک هایی مانند یادگیری عمیق و یادگیری ماشین، امکان شناسایی و طبقه بندی خودکار گره‌ها را با دقت بالا فراهم می‌کند و نوید یک روش پیشرفته غربالگری سرطان ریه را در آینده می‌دهد. اگرچه جهت بهبود عملکرد این تکنولوژی در علم رادیولوژی مدل‌های ترکیبی با کارایی بالا پیشنهاد شده است، اما رسیدن به یک مدل معتبر برای استفاده معمول همچنان نیاز به بداهه سازی دارد. ترکیب عملکرد هوش مصنوعی با تخصص یک رادیولوژیست، نتیجه موفقیت آمیز با دقت بالاتر ارائه می دهد.

بنابراین می‌توان نتیجه گرفت که حساسیت، ویژگی و دقت بالاتر غربالگری سرطان ریه و طبقه‌بندی ندول‌ها از طریق ادغام هوش مصنوعی و رادیولوژی امکان‌پذیر است. اعتبارسنجی مدل‌ها و همچنین تحقیقات بیشتر و گسترده تر جهت تعیین امکان سنجی این ادغام‌ها همچنان باید انجام شود.

تشخیص زودهنگام سرطان نقش مهمی در سیر همه انواع سرطان دارد. برای غربالگری مراحل اولیه سرطان ریه باید روشی سریع، غیر تهاجمی و با عملکرد بالا در دسترس باشد. هوش مصنوعی به رادیولوژیست ها اجازه می دهد تا با استفاده از توموگرافی کامپیوتری، بار داده های غربالگری سرطان ریه را به طور موثر مدیریت کنند.

پروفسور یورگ مایکل نویربورگ، رئیس بخش مرکزی رادیولوژی تشخیصی و مداخله ای در EKN می‌گوید:

«کارهای تکراری در تخصص های ما، مانند تعیین و مقایسه مقادیر اندازه گیری شده، حوزه ای عالی برای استفاده از الگوریتم ها است.»

بنابراین منطقی است که رادیولوژیست‌ها در EKN برای تشخیص ریه بر نرم افزار مبتنی بر هوش مصنوعی تکیه کنند. سی تی اسکن ریه برای کمک به بهبود تشخیصی ریه از نظر کیفی و کمی و پشتیبانی از تخمین الگوی توزیع مانند آمفیزم و غیره طراحی شده است.

پروفسور نویربورگ درباره لوب میانی پس از قرار دادن دریچه می‌گوید:

«این الگوهای توزیع برای ریه‌شناسان مهم هستند؛ زیرا به عنوان پایه‌ای برای تنظیم دریچه‌ها برای تهویه مناسب ریه‌ها عمل می‌کنند. بنابراین، ما یافته‌های خود را برای ارائه نتایج کمی در مورد میزان تهویه متفاوت لوب فوقانی پس از قرار دادن دریچه با لوب میانی تطبیق داده‌ایم.»

علاوه بر این، سی تی اسکن ریه به عنوان بخشی از مرحله‌بندی برای تشخیص “قلب گرد” در طول پیگیری‌ها استفاده می‌شود. بررسی‌های قبلی با نتایج فعلی برای شناسایی چگالی‌های ساختاری مدولار مقایسه شده است. علاوه بر این، سیستم ندول‌های جدید را شناسایی کرده و به طور خودکار حجم گره‌های موجود را اندازه‌گیری می‌کند. به این ترتیب راه‌حل یک ارزیابی قابل اعتماد از دوره درمان را امکان‌پذیر می‌کند.

هوش مصنوعی باید کاملاً یکپارچه باشد!

به گفته پروفسور نویربورگ، ادغام کامل در جریان کار معمول رادیولوژیکی برای پذیرش راه‌حل‌های هوش مصنوعی، علاوه بر تکرارپذیری نتایج، یک الزام مطلق است. اگر یک برنامه جداگانه باز شود، ممکن است تصاویر به کامپیوتر دیگری ارسال شوند، بنابراین گردش کار به تاخیر می‌افتد. رادیولوژی، مانند تمام بخش‌های دیگر با توان عملیاتی اندازه‌گیری می‌شود. اگر هوش مصنوعی به معنای کار اضافی باشد، پذیرش کم است.

خبرنگار: سمیه آموت سر

منبع خبر: www.azorobotics.com