هوش مصنوعی قادر به تشخیص بیماری کبدی کشنده با دقت بیش از ۹۳ درصد

یک مطالعه جهانی جدید نشان می دهد. تکنولوژی‌های هوش مصنوعی مبتنی بر تصاویر پزشکی عملکرد امیدوارکننده‌ای در تشخیص بیماری التهاب قنوات صفراوی دارند.

این بیماری نادر و خطرناک که می‌تواند باعث نارسایی کبدی در نوزادان شود، در صورت عدم شناسایی به موقع، خطرات جبران‌ناپذیری به همراه دارد.

دقت بالای هوش مصنوعی در تشخیص بیماری

این تحقیق که در مجله معتبر «یوروبین جورنال آف رادیولوژی» منتشر شده است. به بررسی دقت مدل‌های مبتنی بر هوش مصنوعی در تشخیص التهاب قنوات صفراوی از طریق تصاویر پزشکی می پردازد. در این مطالعه، بیش از ۱۱ هزار بیمار شامل ۲۳۵۷ مورد قطعی التهاب قنوات صفراوی مورد بررسی قرار گرفتند و ۱۱۵۰۰ تصویر سونوگرافی تجزیه و تحلیل شد.

نتایج این تحقیق نشان می‌دهند که مدل‌های هوش مصنوعی در تشخیص بیماری با دقت بسیار بالا عمل کرده‌اند. حساسیت تشخیصی آن‌ها ۹۳.۸ درصد، ویژگی ۹۳.۲ درصد و شاخص عملکرد ۰.۹۴ بوده است. در حالی که در تحلیل صرف تصاویر، حساسیت ۸۶.۹ درصد، ویژگی ۹۴.۳ درصد و شاخص عملکرد ۰.۹۶۵ گزارش شد که نشان‌دهنده توانایی بسیار بالای این تکنولوژی در تشخیص دقیق بین موارد مبتلا و غیر مبتلا به بیماری است.

مطالب بیشتر

اهمیت تشخیص زودهنگام

التهاب قنوات صفراوی یک بیماری نادر و بسیار خطرناک است که تنها از هر ۸ هزار تا ۱۸ هزار نوزاد یک نفر به آن مبتلا می‌شود. این بیماری عمدتاً در کشورهای آسیایی و آفریقایی شیوع بیشتری دارد. به گفته پزشکان، تشخیص زودهنگام در دو ماه اول زندگی برای انجام جراحی «کاسای»، که تنها راه درمان مؤثر در این بیماری است. هرچقدر تشخیص دیرتر انجام شود، اثربخشی این جراحی کاهش می‌یابد.

هوش مصنوعی به عنوان یک ابزار پشتیبان

با وجود اینکه تصویربرداری پزشکی به عنوان سنگ بنای تشخیص بیماری‌ها شناخته می‌شود، مشکلاتی همچون کیفیت پایین تصاویر و نیاز به تخصص‌های خاص در این حوزه، به ویژه در مناطق کمبود پزشک متخصص، وجود دارد. در این زمینه، هوش مصنوعی می‌تواند به عنوان ابزاری کارآمد برای تحلیل دقیق تصاویر پزشکی و شناسایی تغییرات ظریف و غیرقابل شناسایی توسط چشم انسان عمل کند.

این تحقیق نشان می‌دهد که هوش مصنوعی می‌تواند ابزار مؤثری برای تشخیص التهاب قنوات صفراوی باشد و به پزشکان کمک کند تا تصمیمات درمانی بهتری اتخاذ کنند. با این حال، پژوهشگران تأکید می‌کنند که باید از هوش مصنوعی به عنوان یک ابزار پشتیبان و نه جایگزین پزشکان استفاده شود. همچنین نیاز به تحقیقات بیشتر برای تأیید قابلیت تعمیم این نتایج در محیط‌های بالینی مختلف وجود دارد.

منبع خبر