تشخیص دقیق و به موقع سلیاک در بیماران با کمک هوش مصنوعی
تاریخ انتشار :
يکشنبه ۱۷ فروردين ۱۴۰۴ ساعت ۱۳:۱۲
کد مطلب : ۱۸۴۴۳
سالمخبر: مطالعه اخیر در دانشگاه کمبریج نشان داد که هوش مصنوعی می تواند بیماری سلیاک یا اختلال گوارشی خود ایمنی را با دقتی قابل مقایسه با متخصصان تشخیص دهد.
این مطالعه که در مجله پزشکی نیوانگلند منتشر شد، پتانسیل استفاده از هوش مصنوعی را برای سادهسازی تشخیص، کاهش بار سیستمهای سلامت و بهبود دسترسی به تستهای تشخیصی در مناطقی که از کمبود منابع پزشکی رنج میبرند، برجسته کرد.
محققان الگوریتم یادگیری ماشینی را توسعه دادند که بر اساس تصاویر بیوپسی قادر به شناسایی دقیق بیمار مبتلا به بیماری سلیاک در 97 مورد از 100 مورد بود.
هوش مصنوعی بر روی تقریباً 3400 بیوپسی اسکن شده از 4 بیمارستان وابسته به سرویس بهداشت ملی بریتانیا (NHS) آموزش دیده است.
بیماری سلیاک یک بیماری خودایمنی است که با خوردن گلوتن ایجاد می شود و از هر 100 نفر یک نفر در سراسر جهان به آن مبتلا می شود. علائم بیماری از درد شکم، اسهال، خستگی و کم خونی متفاوت است که اغلب منجر به تاخیر در تشخیص یا عدم تشخیص می شود.
در حال حاضر، بیوپسی اثنی عشر استاندارد طلایی برای تشخیص است، زیرا پاتولوژیست ها پرزهای روده - برآمدگی های کوچک انگشت مانند - را برای آسیب بررسی می کنند، اما تفسیر این بیوپسی ها می تواند دشوار باشد و پزشکان ممکن است در تشخیص همان وضعیت متفاوت باشند.
کارایی بالا در تشخیص
مدل هوش مصنوعی با استفاده از مجموعه داده های متنوع از بیش از 4000 تصویر بیوپسی از 5 بیمارستان، با استفاده از دستگاه های مختلف اسکن آموزش داده شد. این تضمین می کند که مدل به طور موثر در محیط های بالینی متعدد کار می کند.
در این مطالعه، هوش مصنوعی کارایی بالایی در تشخیص بیماری سلیاک نشان داد، زیرا به حساسیت تشخیصی 95 درصدی دست یافت، مانند شناسایی صحیح 95 مورد از 100 مورد آلوده، و ویژگی تشخیصی که به 98 درصد رسید، مانند رد دقیق بیماری در 98 مورد از 100 مورد غیر آلوده.
به گفته محققان، دقت هوش مصنوعی مشابه تشخیص پاتولوژیست دوم بود و تنوع در تشخیص ها را کاهش داد.
بر اساس مطالعه انجام شده؛ یکی از برجستهترین مزایای این فناوری تسریع فرآیند تشخیصی است که ممکن است در حال حاضر سالها طول بکشد، و کاهش بار روی پاتولوژیستها با خودکار کردن تشخیصهای معمول به طوری که آنها بتوانند خود را وقف موارد پیچیدهتر کنند، علاوه بر آن بهبود کیفیت تشخیص در کشورهای در حال توسعه که از کمبود پاتولوژیست رنج میبرند.
محققان افزودند که هوش مصنوعی میتواند روند تشخیص را برای بیماران تسریع کند و در عین حال فشار بر سیستمهای بهداشتی را کاهش دهد، بهویژه که بیماری سلیاک ممکن است باعث بیماریهای جدی شود، در حالی که بیماران معمولاً از تأخیر قابل توجهی در تشخیص دقیق رنج میبرند.
محققان الگوریتم یادگیری ماشینی را توسعه دادند که بر اساس تصاویر بیوپسی قادر به شناسایی دقیق بیمار مبتلا به بیماری سلیاک در 97 مورد از 100 مورد بود.
بیماری سلیاک یک بیماری خودایمنی است که با خوردن گلوتن ایجاد می شود و از هر 100 نفر یک نفر در سراسر جهان به
در حال حاضر، بیوپسی اثنی عشر استاندارد طلایی برای تشخیص است، زیرا پاتولوژیست ها پرزهای روده - برآمدگی های کوچک انگشت مانند - را برای آسیب بررسی می کنند، اما تفسیر این بیوپسی ها می تواند دشوار باشد و پزشکان ممکن است در تشخیص همان وضعیت متفاوت باشند.
کارایی بالا در تشخیص
مدل هوش مصنوعی با استفاده از مجموعه داده های متنوع از بیش از 4000 تصویر بیوپسی از 5 بیمارستان، با استفاده از دستگاه های مختلف اسکن آموزش داده شد. این تضمین می کند که مدل به طور موثر در محیط های بالینی متعدد کار می کند.
در این مطالعه، هوش مصنوعی کارایی بالایی در تشخیص بیماری سلیاک نشان داد، زیرا به حساسیت تشخیصی 95 درصدی دست یافت، مانند شناسایی صحیح 95 مورد از 100 مورد آلوده، و ویژگی تشخیصی که به
به گفته محققان، دقت هوش مصنوعی مشابه تشخیص پاتولوژیست دوم بود و تنوع در تشخیص ها را کاهش داد.
بر اساس مطالعه انجام شده؛ یکی از برجستهترین مزایای این فناوری تسریع فرآیند تشخیصی است که ممکن است در حال حاضر سالها طول بکشد، و کاهش بار روی پاتولوژیستها با خودکار کردن تشخیصهای معمول به طوری که آنها بتوانند خود را وقف موارد پیچیدهتر کنند، علاوه بر آن بهبود کیفیت تشخیص در کشورهای در حال توسعه که از کمبود پاتولوژیست رنج میبرند.
محققان افزودند که هوش مصنوعی میتواند روند تشخیص را برای بیماران تسریع کند و در عین حال فشار بر سیستمهای بهداشتی را کاهش دهد، بهویژه که بیماری سلیاک ممکن است باعث بیماریهای جدی شود، در حالی که بیماران معمولاً از تأخیر قابل توجهی در تشخیص دقیق رنج میبرند.