به گزارش خبرنگار حوزه بهداشت و درمان گروه علمی پزشکی باشگاه خبرنگاران جوان، به نقل از مدیکال اکسپرس، ارزیابی بالینی سریع و دقیق پیشرفت و مرگ و میر بیماری برای مدیریت بیماران کووید -۱۹ حیاتی است. اگرچه چندین پیش بینی کننده پیشنهاد شده است، اما آن‌ها به ارزیابی ذهنی، طرح‌های نیمه خودکار یا نظارت بر روش‌های یادگیری عمیق محدود شده‌اند؛ چنین پیش بینی‌هایی ذهنی هستند یا نیاز به حاشیه نویسی سخت از موارد آموزشی دارند.

در یک مطالعه چند مرکزی که در تجزیه و تحلیل تصویر پزشکی منتشر شد، یک تیم تحقیقاتی به رهبری هیرویوکی یوشیدا، مدیر تحقیقات تصویربرداری سه بعدی در بیمارستان عمومی ماساچوست (MGH)، نشان داد که یادگیری عمیق بدون نظارت بر اساس توموگرافی کامپیوتری می‌تواند عملکرد پیش آگهی قابل توجه بالاتری نسبت به آزمایش‌های آزمایشگاهی و پیش بینی کننده‌های بقای بصری و کمی موجود بر اساس تصویر ارائه دهد. این مدل می‌تواند برای هر بیمار، زمان پیشرفت کووید-۱۹ و در نتیجه زمان بستری شدن بیمار را در بخش مراقبت‌های ویژه یا زمانی که فرد بیمار است، پیش بینی کند، کاری که سایر مدل‌های پیش بینی مبتنی بر تصویر نمی‌توانند انجام دهند. اطلاعات زمانی محاسبه شده توسط مدل نیز امکان طبقه بندی بیماران را در گروه‌های کم خطر و پرخطر با فاصله بیشتر از آنچه با سایر پیش بینی کننده‌ها امکان پذیر است، میسر می‌سازد.

یوشیدا می‌گوید: نتایج ما نشان می‌دهد عملکرد پیش بینی مدل هوش مصنوعی بدون نظارت به طور قابل توجهی بیشتر بوده و خطای پیش بینی به طور قابل توجهی کمتر از پیش بینی کننده‌های مرجع قبلی است. استفاده از هوش مصنوعی بدون نظارت به عنوان بخشی جدایی ناپذیر از مدل پیش بینی بقا، امکان پیش بینی پیش آگهی را مستقیما از تصاویر CT اصلی بیماران با دقت بالاتری نسبت به آنچه قبلا در تصویربرداری کمی امکان پذیر بود، می‌دهد.

در یک مطالعه همراه که اخیرا در نشریه نیچر منتشر شد، تیم قبلا نشان داده بود که از هوش مصنوعی تحت نظارت می‌توان برای پیش بینی بقای بیماران کووید-۱۹ از طریق تصاویر CT قفسه سینه آن‌ها استفاده کرد؛ با این حال مدل جدید هوش مصنوعی بدون نظارت با اجتناب از محدودیت‌های فنی و تلاش‌های حاشیه نویسی پیش بینی کننده‌های قبلی، زمینه جدیدی را ایجاد می‌کند، زیرا استفاده از یک شبکه خصمانه تولیدکننده، امکان آموزش کامل یک مدل تجزیه و تحلیل بقا را از طریق انتها به طور مستقیم فراهم می‌کند. تصاویر یوشیدا توضیح می‌دهد: این یک فناوری هوش مصنوعی بسیار دقیق‌تر و بسیار پیشرفته است.

اگرچه این مطالعه فقط به بیماران مبتلا به کووید-۱۹ محدود بود، اما تیم معتقد است که این مدل را می‌توان به سایر بیماری‌ها نیز تعمیم داد. یوشیدا می‌گوید: مسائلی مانند Long COVID (کووید طولانی) نوع دلتا یا تعمیم مدل به سایر بیماری‌ها که در تصاویر پزشکی نشان داده می‌شود، برنامه‌های امیدوار کننده‌ای از این مدل هوش مصنوعی بدون نظارت است.

بیشتر بخوانید 

• هوش مصنوعی برای شناسایی و کنترل نوزادان نارس

انتهای پیام/