وقتی هوش مصنوعی دیابت را تشخیص می دهد!
گروه هوش مصنوعی: پژوهشگران آمریکایی در بررسی جدید خود، یک مدل هوش مصنوعی را برای تشخیص دادن دیابت نوع دو به کار گرفته اند.
به گزارش گروه هوش مصنوعی به نقل از ایسنا و به نقل از مجله "رادیولوژی"(Radiology)، گروهی از پژوهشگران آمریکایی با بهره گیری از یک مدل هوش مصنوعی تمام اتوماتیک موفق شده اند نشانه های ابتدایی دیابت نوع دو را در تصاویر سی تی اسکن شناسایی کنند.
دیابت نوع دو حدودا ۱۳ درصد از بزرگسالان آمریکا را تحت تاثیر قرار داده است و ۳۴.۵ درصد دیگر از بزرگسالان این کشور نیز تحت تاثیر پیش دیابت قرار دارند. به خاطر شروع کند نشانه های دیابت، مهمست که این بیماری در مراحل آغازین خود تشخیص داده شود. تعدادی از موارد مبتلاشدن به پیش دیابت می توانند تا هشت سال طول بکشند. تشخیص زودتر، به بیماران امکان خواهد داد تا تغییراتی را در سبک زندگی خود اعمال کنند و روند پیشروی بیماری را تغییر دهند.
"رونالد سامرز"(Ronald Summers)، پژوهشگر "مرکز بالینی مؤسسه ملی سلامت آمریکا"(NIH Clinical Center) و پژوهشگر ارشد این پروژه اظهار داشت: سی تی اسکن می تواند یک روش امیدوارکننده برای تشخیص دیابت نوع دو باشد. این روش هم اکنون به شکل گسترده در بررسی های بالینی به کار می رود و می تواند اطلاعات قابل توجهی را در مورد پانکراس عرضه نماید. پژوهش های پیشین نشان داده اند که بیماران مبتلا به دیابت نسبت به بیماران غیر دیابتی، تجمع چربی بیشتری در پانکراس و چربی احشایی بیشتری دارند. با این وجود، پژوهش زیادی جهت بررسی کبد، عضلات و رگ های خونی اطراف پانکراس انجام نشده است.
"هیما تالام"(Hima Tallam)، از پژوهشگران این پروژه اظهار داشت: بررسی خاصیت های مربوط به پانکراس و بیرون از پانکراس، یک روش جدید بشمار می رود و تا جایی که ما می دانیم، در پژوهش های پیشین مورد استفاده قرار نگرفته است.
بگفته پژوهشگران، تحلیل تصاویر سی تی اسکن ازطریق یک رادیولوژیست یا یک متخصص آموزش دیده، روشی زمان بر و دشوار است. برای برطرف نمودن چالش های بالینی باید بهبودهایی در تحلیل اتوماتیک تصاویر پانکراس حاصل شود.
سامرز و همکارانش در این پژوهش، با "پِری پیکهارت"(Perry Pickhardt)، استاد رادیولوژی "دانشگاه ویسکانسین-مدیسن"(UW–Madison) همکاری کردند و پایگاه داده مربوط به بیمارانی را مورد بررسی قرار دادند که در بیمارستان دانشگاه ویسکانسین-مدیسن، با سی تی اسکن تحت غربال گری سرطان روده بزرگ قرار گرفته بودند.
از میان ۸۹۹۲ بیماری که بین سالهای ۲۰۰۴ تا ۲۰۱۶ مورد بررسی قرار گرفته بودند، ۵۷۲ نفر مبتلا به دیابت نوع دو و ۱۸۸۰ نفر مبتلا به قند خون غیرطبیعی بودند. قند خون غیرطبیعی، به شرایطی گفته می شود که سطح قند خون در آن، بیش از حد پایین یا بالا باشد.
پژوهشگران برای ابداع مدل یادگیری ماشینی، از ۴۷۱ تصویر به دست آمده از مجموعه داده های مختلف استفاده کردند. این تصاویر به سه زیرگروه تقسیم شدند. ۴۲۴ تصویر برای آموزش، هشت تصویر برای اعتبارسنجی و ۳۹ تصویر برای تنظیمات آزمایشی به کار رفتند.
مدل یادگیری عمیق، نتایجی عالی را به نمایش گذاشت و نشان داد که تفاوتی میان این نتایج با نتایج به دست آمده از تحلیل های معمول وجود ندارد.
سامرز اظهار داشت: ما دریافتیم که دیابت با چربی بالاتر در پانکراس و شکم بیماران هم راه است. چربی بیشتر در این دو ناحیه سبب می شود که بیماران بیشتر و برای مدت طولانی تری به دیابت مبتلا شوند.
پژوهشگران گفتند: این پژوهش، گامی به سمت استفاده گسترده تر از روش های خودکارسازی شده برای برطرف نمودن چالش های بالینی است. همین طور ممکنست به پژوهش های آینده در مورد بررسی دلیل تغییرات پانکراس که در بیماران مبتلا به دیابت رخ می دهند، کمک نماید.
منبع: گروه هوش مصنوعی
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب