معاینه قلب توسط هوش مصنوعی، دقیق‌تر از معاینه متخصصان سونوگرافی است
تیم تحریریه- ۲۰ شهریور ۱۴۰۱
ارزیابی دقیق از حجم ضربه‌ای بطن چپ قلب (LVEF) به تشخیص بیماری‌های قلبی و تصمیم‌گیری در مورد درمان کمک می‌کند. با این حال، بیشتر ارزیابی‌های انسانی از این کارکرد بر پایه تعداد کمی چرخه قلبی انجام می‌گیرند و به همین دلیل، اختلاف‌نظر میان معاینه‌کنندگان زیاد می‌شود. پژوهشی جدید دریافته است که ارزیابی اولیه هوش مصنوعی از اکوکاردیوگرافی بیماران و به عبارتی معاینه قلب توسط هوش مصنوعی، دقت بیشتری از ارزیابی مقدماتی متخصصان سونوگرافی دارد.
الگوریتم EchoNet-Dynamic یک الگوریتم یادگیری عمیق است که بر اساس ویدئوهای اکوکاردیوگرام، آموزش دیده است تا کارکرد قلب را ارزیابی کند. بر اساس مطالعات قبلی، این الگوریتم می‌تواند با میانگین خطای مطلق 1/4 تا 0/6 درصد، LVEF را ارزیابی کند. این الگوریتم از اطلاعات مربوط به چندین چرخه قلبی استفاده می‌کند، تا خطا را به حداقل رسانده و معتبرترین نتایج ممکن را تولید کند. پژوهشگران مؤسسه مطالعات قلبی اسمیت از مرکز پزشکی سدراس سینای، واقع در لس‌آنجلس، قصد داشتند، تا دریابند از بین معاینه قلب توسط هوش مصنوعی و ارزیابی‌های این فناوری و متخصص سونوگرافی از LVEF، کدام یک بیشتر از سوی یک متخصص قلب مورد بازبینی و اصلاح قرار می‌گیرد.
گردش‌کار بالینی استاندارد برای تشخیص LVEF از طریق اکوکاردیوگرافی بدین صورت است: متخصص سونوگرافی بیمار را اسکن می‌کند؛ متخصص سونوگرافی ارزیابی اولیه از LVEF انجام می‌دهد؛ سپس متخصص قلب ارزیابی اولیه را بازبینی می‌کند، تا گزارش نهایی ارائه دهد. در پژوهش مذکور، متخصص سونوگرافی و هوش مصنوعی به نسبت برابر اسکن انجام داده و گزارش اولیه از آن تدوین کردند؛ سپس متخصصان قلب، بدون این‌که بدانند گزارش اولیه از چه کسی است، گزارش اولیه را بازبینی کرده و گزارش نهایی LVEF را ارائه دهند.
بررسی گزارش معاینه قلب توسط هوش مصنوعی و متخصصان
پژوهشگران میزان تغییراتی را که متخصصان قلب بر گزارشات اولیه اعمال کردند، مورد بررسی قرار دادند. اولین یافته مبنی بر این بود که فراوانی تغییرات اولیه بررسی گزارش معاینه قلب توسط هوش مصنوعی و متخصصان، نسبت به گزارش نهایی متخصص قلب بیش از 5 درصد بود. هدف اول مطالعات آزمایش عدم فرومایگی و هدف دوم آن، آزمایش برتری بود. طی آزمایشات، 3,495 الکتروکاردیوگرام از بزرگسالان به کار رفت. میزان گزارشاتی که به تغییر چشمگیر نیاز داشتند، در گروه هوش مصنوعی برابر با 8/16 و در گروه متخصصان سونوگرافی 2/27 درصد بود (تفاوت 4/10- درصد، با سطح اطمینان 95 درصد، 2/13- تا 7/7- درصد، p<0.001 در آزمون عدم فرومایگی و p<0.001 برای آزمون برتری). یافته‌های نهایی نشان دادند که میانگین تفاوت بین گزارش نهایی متخصص قلب و گزارشات اولیه معاینه قلب توسط هوش مصنوعی و متخصصان سونوگرافی به ترتیب برابر با 29/6 و 23/7 درصد بود (تفاوت 96/0- درصد با سطح اطمینان 95 درصد، 34/1- تا 54/0- درصد با p<0.001، برای آزمون برتری).
دکتر دیوید اویانگ، از مؤسسه مطالعات قلبی اسمیت، توضیح می‌دهد: «حوزه پزشکی تاکنون علاقه زیادی به کاربرد هوش مصنوعی نشان داده است، اما فناوری‌ها به‌ندرت طی آزمایشات بالینی آینده‌نگر ارزیابی می‌شوند. ما یکی از اولین الگوریتم‌های هوش مصنوعی برای ارزیابی کارکرد LVEF بر اساس الکتروکاردیوگرام را ساختیم و سپس توانستیم این الگوریتم را با عملکرد متخصصان سونوگرافی مقایسه کنیم. هدف از این آزمایشات این بود که عدم فرومایگی هوش مصنوعی در مقابل متخصصان سونوگرافی را نشان دهیم. اما نتایج بررسی گزارش معاینه قلب توسط هوش مصنوعی امیدوارکننده‌تر از انتظارات بودند، چون نشان دادند که عملکرد هوش مصنوعی نه‌تنها ضعیف‌تر از متخصصان نیست، بلکه نسبت به آن‌ها برتری دارد.»
وی اضافه می‌کند: «اجرای آزمایشات تصادفی روی الگوریتم هوش مصنوعی چیزهای زیادی به ما آموخت، چون پیش از این، چنین کاری در حوزه مطالعات قلب انجام نشده بود. اولین درسی که آموختیم این بود که این آزمایشات، در صورتی که در شرایط مناسب اجرا شوند، بسیار سودمند هستند؛ منظور از شرایط مناسب شرایطی است که در آن، الگوریتم هوش مصنوعی را بتوان به صورت یکپارچه با گردش‌کار بالینی استاندارد ادغام کرد، به صورتی که ناشناخته باقی بماند.
ثانیاً دریافتیم که ناشناس‌سازی در این موقعیت بسیار مفید بوده است. وقتی از متخصصان قلب که مسئول بازبینی بودند، خواستیم تا حدس بزنند گزارش اولیه‌ای که از معاینه قلب توسط هوش مصنوعی پیش رو دارند، متعلق به هوش مصنوعی است یا متخصص سونوگرافی، پاسخ‌هایشان نشان داد که قادر به تشخیص تفاوت نبوده‌اند. این یافته علاوه بر عملکرد قوی هوش مصنوعی، نشان می‌دهد که توانسته‌ایم این فناوری را به‌خوبی در گردش‌کار استاندارد ادغام کنیم. یافته‌های این پژوهش از آینده روشن این حوزه خبر می‌دهند.»
دکتر اویانگ در انتها اظهار می‌کند: «این مطالعات کاربردهای بالقوه فراوانی دارند. یافته‌ها نشان می‌دهند که در صورتی که الگوریتم‌های هوش مصنوعی را به‌درستی بسازیم و به کار ببریم، هم به بهبود کیفیت خواندن خروجی اکو کمک می‌کنیم و هم بازده زمانی و کاری متخصصان سونوگرافی و قلب را افزایش می‌دهیم. ورود هوش مصنوعی به گردش‌های کاری بالینی این قابلیت را دارد، تا دقت و اعتبار معاینات را افزایش دهد و بدین ترتیب، تشخیص زودهنگام‌تر آسیب‌های بالینی یا بررسی پاسخ‌دهی به درمان را امکان‌پذیر سازد.»
جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید
