نتایج این مطالعه به‌تازگی در نشست سالانه انجمن رادیولوژی آمریکای شمالی (RSNA) ارائه شده است.
یادگیری عمیق نوعی هوش مصنوعی پیشرفته است که می‌توان آن را آموزش داد تا تصاویر حاصل از رادیوگرافی را به‌منظورِ یافتن الگو‌های مرتبط با بیماری جست‌وجو کند. به گفته جِیکوب وِیس (Jakob Weiss)، پزشک و یکی از اعضای تیم پژوهشی، این مدل یادگیری عمیق، راه‌حلی بالقوه برای شناسایی افراد مستعد بیماری‌های قلبی‌عروقی با استفاده از تصاویر حاصل از رادیوگرافی قفسه سینه ارایه می‌کند. با این روش مشخص می‌شود چه کسانی در ۱۰ سال آینده به دلیل بیماری‌های قلبی‌عروقی در خطر خواهند بود و برای پیشگیری از آن باید استاتین دریافت کنند.
دکتر ویس گفت: مدت‌ها است تشخیص داده‌ایم که می‌توان با اشعه ایکس به اطلاعاتی فراتر از یافته‌های تشخیصی سنتی دست یافت؛ اما از این داده‌ها استفاده نکرده‌ایم؛ زیرا روش‌های قوی و مطمئن نداشتیم و پیشرفت هوش مصنوعی این امکان را فراهم کرده است.
محققان معتقدند مطالعات بیشتر، از جمله یک کارآزمایی تصادفی کنترل‌شده، برای اعتباربخشیدن به مدل یادگیری عمیق ضروری است و در نهایت می‌توان از آن به‌عنوان ابزاری برای کمک به تشخیص پزشکان معالج استفاده کرد.
ویس گفت: ما نشان دادیم که رادیوگرافی قفسه سینه بیش از یک عکس‌برداری است. با چنین روشی، یک اندازه کمّی به‌دست می‌آوریم که به ما این امکان را می‌دهد که برای کمک به پزشک و بیمار، هم اطلاعات تشخیصی و هم پیش‌آگاهی ارایه کنیم.
منبع: وبگاه سای‌تِک‌دِیلی (SciTechDaily)