هوش مصنوعی در تشخیص سرطان تخمدان پیشرفتهتر از پزشکان!
یک تحقیق جدید که در ژورنال Nature Medicine منتشر شده است، نشان میدهد که یک برنامه هوش مصنوعی آموزشدیده با دقت بیش از ۸۶ درصد قادر به شناسایی سرطان تخمدان بر اساس تصاویر سونوگرافی است. در حالی که دقت این برنامه در مقایسه با متخصصان انسانی، که کمتر از ۸۳ درصد بوده، و معاینهکنندگان غیرمتخصص که حدود ۷۸ درصد دقت داشتهاند، بسیار بالاتر است.
به گزارش اقتصادآنلاین، الیزابت اپستین، محقق ارشد در بخش علوم و آموزش بالینی بیمارستان عمومی جنوب استکهلم وابسته به موسسه کارولینسکا در سوئد، و سرپرست این تحقیق، بیان کرد: «تومورهای تخمدان شایع هستند و اغلب به طور تصادفی شناسایی میشوند.» او افزود که این نتایج نشان میدهد هوش مصنوعی میتواند پشتیبانی ارزشمندی در تشخیص سرطان تخمدان ارائه دهد، بهویژه در مواردی که تشخیص این سرطان دشوار است و در شرایطی که کمبود متخصص سونوگرافی وجود دارد.
پژوهشگران در این تحقیق، از بیش از ۱۷,۰۰۰ تصویر سونوگرافی متعلق به حدود ۳۷۰۰ بیمار در ۲۰ بیمارستان مختلف در هشت کشور استفاده کردند تا یک برنامه هوش مصنوعی را آموزش دهند که قادر به تشخیص تفاوت بین ضایعات خوشخیم و بدخیم تخمدان باشد. این برنامه بهویژه در مواردی که پزشکان با مشکلاتی در تشخیص سرطان مواجه بودند، به کاهش نیاز به ارجاع به متخصصان کمک کرده است.
نتایج این تحقیق نشان میدهد که هوش مصنوعی میتواند به کاهش ۶۳ درصدی ارجاع به متخصصان و کاهش ۱۸ درصدی تشخیصهای اشتباه کمک کند.
پژوهشگران همچنین تأکید کردند که نتایج این تحقیق نشان میدهد که هوش مصنوعی میتواند به ارائه مراقبتهای سریعتر و مقرونبهصرفهتر برای بیماران مبتلا به ضایعات تخمدان کمک کند. این در حالی است که این برنامه میتواند در شرایطی که متخصصان کافی در دسترس نیستند، به کمک بیاید.
هرچند این نتایج امیدوارکننده هستند، پژوهشگران همچنان بر لزوم انجام بررسیهای بیشتر تأکید کرده و افزودند که به منظور تأیید این یافتهها و ارزیابی دقیقتر سودمندی هوش مصنوعی، تحقیقات بیشتری لازم است. در حال حاضر، آنها در حال انجام تحقیقات بالینی برای ارزیابی ایمنی و کاربرد این برنامه در شرایط بالینی روزمره هستند و قصد دارند کارآزمایی بالینی برای بررسی تأثیر هوش مصنوعی بر مدیریت درمان و هزینههای مراقبتهای بهداشتی را راهاندازی کنند.
هوش مصنوعی به عنوان ابزاری کارآمد در تشخیص سرطان تخمدان به پزشکان کمک کرده است تا دقت بالاتری در تشخیص این بیماری داشته باشند. این فناوری میتواند در شرایط کمبود متخصص و مناطق دورافتاده که دسترسی به تخصصهای پزشکی دشوار است، کاربرد زیادی پیدا کند و به بهبود کیفیت مراقبتهای بهداشتی کمک کند.