به گزارش ایرنا از وبگاه سای تِک دِیلی (SciTechDaily)، نتایج این مطالعه به تازگی در نشست سالانه انجمن رادیولوژی آمریکای شمالی (RSNA) ارائه شده است.
یادگیری عمیق نوعی هوش مصنوعی پیشرفته است که می توان آن را آموزش داد تا تصاویر حاصل از رادیوگرافی را به منظورِ یافتن الگوهای مرتبط با بیماری جستجو کند. به گفته جِیکوب وِیس (Jakob Weiss)، پزشک و یکی از اعضای تیم پژوهشی، این مدل یادگیری عمیق، راه حلی بالقوه برای شناسایی افراد مستعد بیماری های قلبی عروقی با استفاده از تصاویر حاصل از رادیوگرافی قفسه سینه ارایه می کند. با این روش مشخص می شود چه کسانی در ۱۰ سال آینده به دلیل بیماری های قلبی عروقی در خطر خواهند بود و برای پيش‌گيري از آن باید استاتین دریافت کنند.
دکتر ویس گفت: مدتها است تشخیص داده ایم که می توان با اشعه ایکس به اطلاعاتی فراتر از یافته های تشخیصی سنتی دست یافت؛ ولی از این داده ها استفاده نکرده ایم؛ زیرا روش های قوی و مطمئن نداشتیم و پیشرفت هوش مصنوعی (Artificial Intelligence) این امکان را فراهم کرده است.
محققان معتقد هستند مطالعات بیشتر، از جمله یک کارآزمایی تصادفی کنترل شده، برای اعتباربخشیدن به مدل یادگیری عمیق ضروری است و در نهایت میتوان از آن به عنوان ابزاری برای کمک به تشخیص پزشکان معالج استفاده کرد.
ویس گفت: ما نشان دادیم که رادیوگرافی قفسه سینه بیش از یک عکس برداری است. با چنین روشی، یک اندازه کمّی به دست می آوریم که به ما این امکان را می دهد که برای کمک به پزشک و بیمار، هم اطلاعات تشخیصی و هم پیش آگاهی ارایه کنیم.
- 9
- 5
