هوش مصنوعی خطر ابتلا به بیماری‌‌ها را قبل از بروز علائم پیش‌بینی می‌کند

به گزارش خبرگزاری علم و فناوری آنا به نقل از نیواطلس، محققان از یادگیری ماشینی برای ارزیابی اسکن‌های تراکم استخوان برای کلسیفیکاسیون در آئورت، شریان اصلی بدن استفاده کرده‌اند. آن‌ها می‌گویند روش آن‌ها می‌تواند درآینده برای پیش‌بینی بیماری‌های قلبی عروقی و دیگر بیماری‌ها حتی قبل از بروز علائم استفاده شود.

کلسیفیکاسیون آئورت شکمی یا ای‌ای‌سی (AAC) یعنی کلسیفیکاسیون در بخش آئورت که از شکم عبور می‌کند که می‌تواند پیشرفت بیماری‌های قلبی عروقی مانند حمله قلبی و سکته مغزی را پیش بینی کند و خطر مرگ و میر را تعیین کند. مطالعات قبلی نیز نشان داده اند که این یک نشانگر قابل اعتماد برای زوال عقل در اواخر عمر است. (AAC) در اسکن‌های تراکم استخوان که معمولا برای تشخیص پوکی استخوان در مهره‌های کمری استفاده می‌شود، قابل مشاهده است، اما برای تحلیل این تصاویر به یک متخصص بسیار آموزش دیده نیاز است که زمان می‌برد.

ای‌ای‌سی معمولا توسط متخصصان تصویربرداری آموزش دیده با استفاده از یک سیستم امتیازدهی ۲۴ نقطه‌ای به نام ای‌ای‌سی-۲۴ اندازه گیری می‌شود. نمره صفر نشان دهنده کلسیفیکاسیون نیست و نمره ۲۴ نشان دهنده شدیدترین درجه ای‌ای‌سی است. اکنون محققان دانشگاه ادیث کوان در استرالیا برای سرعت بخشیدن به فرآیند ارزیابی و امتیازدهی به یادگیری ماشینی روی آورده اند.

پژوهشگران ۵۰۶۲ تصویرستون فقرات را که توسط چهارمدل مختلف از ماشین‌های تراکم استخوان گرفته شده بودند، در مدل یادگیری ماشین خود وارد کردند. اگرچه الگوریتم‌های دیگری برای ارزیابی ای‌ای‌سی از این نوع تصاویر توسعه داده شده اند، محققان می‌گویند این مطالعه بزرگ‌ترین و اولین مطالعه‌ای است که در یک محیط واقعی با استفاده از تصاویر گرفته شده از آزمایش معمول تراکم استخوان مورد آزمایش قرار می‌گیرد.

آن‌ها سپس عملکرد این مدل را در طبقه بندی دقیق تصاویر به دسته بندی‌های کم، متوسط و بالا براساس امتیاز (AAC - ۲۴) ارزیابی کردند. برای بررسی دقت، نمرات ای‌ای‌سی مبتنی بر یادگیری ماشین با نمرات داده شده توسط متخصصان انسانی مقایسه شد. متخصص و نرم افزار در ۸۰ درصد مواقع به یک نتیجه می‌رسند. سه درصد از افرادی که نمرات ای‌ای‌سی بالایی داشتند به اشتباه توسط این نرم افزار دارای نمرات پایین تشخیص داده شدند.

انتهای پیام/

پیام شمس الدینی