به گزارش ایسنا به نقل از ساینسدیلی، محققان دانشگاه میشیگان یک سیستم هوش مصنوعی ایجاد کردهاند که میتواند اسکنهای MRI مغز را تنها در چند ثانیه تفسیر کند و با دقت بیماریهای عصبی مختلف را شناسایی کرده و تعیین کند کدام موارد نیاز به مراقبت فوری دارند.
این مدل با آموزش روی صدها هزار اسکن واقعی به همراه تاریخچه بیماران، به دقتی تا ۹۷.۵ درصد دست یافت و از دیگر ابزارهای پیشرفته هوش مصنوعی عملکرد بهتری نشان داد.
یک سیستم هوش مصنوعی تازه توسعه یافته از دانشگاه میشیگان میتواند اسکنهای MRI مغز را تحلیل کرده و در عرض چند ثانیه تشخیص پزشکی ارائه دهد. این مدل بیماریهای عصبی را با دقتی تا ۹۷.۵ درصد شناسایی کرد و همچنین توانست میزان فوریت نیاز بیماران به مراقبت پزشکی را ارزیابی کند.
محققان میگویند این فناوری منحصربهفرد پتانسیل دارد تا نحوه مدیریت تصویربرداری مغز در سیستمهای بهداشتی ایالات متحده را بازتعریف کند.
نویسنده ارشد تاد هولون، دکترای پزشکی، جراح مغز و اعصاب در دانشگاه میشیگان و استادیار جراحی مغز و اعصاب در دانشکده پزشکی دانشگاه میشیگان میگوید: با افزایش تقاضای جهانی برای MRI و فشار زیاد آن بر پزشکان و سیستمهای بهداشتی ما، مدل هوش مصنوعی ما پتانسیل دارد بار کاری را کاهش دهد و با ارائه اطلاعات سریع و دقیق، تشخیص و درمان را بهبود ببخشد.
آزمایش سیستم هوش مصنوعی پریما
هولون نام فناوری جدید را پریما گذاشت. در یک بازه زمانی یکساله، گروه تحقیقاتی او سیستم را با بیش از ۳۰ هزار مطالعه MRI ارزیابی کرد.
در بیش از ۵۰ تشخیص رادیولوژیک مختلف که شامل اختلالات عصبی مهم بود، پریما عملکرد تشخیصی بهتری نسبت به دیگر مدلهای پیشرفته هوش مصنوعی ارائه داد. علاوه بر شناسایی بیماری، این سیستم توانست تعیین کند کدام موارد اولویت بالاتری دارند.
برخی شرایط عصبی، از جمله سکتهها و خونریزیهای مغزی، نیاز فوری به مراقبت پزشکی دارند. هولون گفت در این شرایط، پریما میتواند به صورت خودکار به ارائه دهندگان مراقبتهای بهداشتی هشدار دهد تا اقدامات سریع انجام شود.
این سیستم طوری طراحی شده است که مناسبترین فوقتخصص، مانند متخصص سکته مغزی یا جراح مغز و اعصاب را مطلع کند. بازخورد بلافاصله پس از تکمیل تصویربرداری بیمار در دسترس قرار میگیرد.
پریما بهعنوان یک مدل زبان تصویری (VLM) دستهبندی میشود؛ نوعی هوش مصنوعی که میتواند تصاویر، ویدئو و متن را بهصورت همزمان و در لحظه پردازش کند. در حالی که هوش مصنوعی پیشتر در تحلیل MRI بهکار رفته است، محققان میگویند پریما رویکرد متفاوتی دارد.
مدلهای قبلی معمولا روی زیرمجموعههای انتخاب شده MRI آموزش دیده و برای انجام وظایف محدود طراحی شده بودند، مانند شناسایی ضایعات یا برآورد خطر زوال عقل. پریما روی یک مجموعه داده گستردهتر آموزش دیده است.
پریما مانند یک رادیولوژیست عمل میکند و اطلاعات مربوط به تاریخچه پزشکی بیمار و دادههای تصویربرداری را ترکیب میکند تا درک جامعی از وضعیت سلامت او ارائه دهد.
آینده هوش مصنوعی در تصویربرداری پزشکی
اگرچه پریما عملکرد قوی داشت، محققان تأکید میکنند که کار هنوز در مرحله ارزیابی اولیه است. تحقیقات آینده روی وارد کردن اطلاعات دقیقتر بیمار و دادههای پروندههای الکترونیکی پزشکی برای بهبود دقت تشخیصی متمرکز خواهد بود.
هولون پریما را «چتجیپیتی برای تصویربرداری پزشکی» توصیف میکند و اشاره میکند که فناوری مشابه میتواند در آینده برای انواع دیگر تصویربرداری، از جمله ماموگرافی، رادیوگرافی قفسه سینه و سونوگرافی هم تطبیق یابد.
- 16
- 2
