40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 هوش مصنوعی، راهی نوین برای پیش‌بینی سن بیولوژیکی و خطر ابتلا به بیماری‌ها

هوش مصنوعی، راهی نوین برای پیش‌بینی سن بیولوژیکی و خطر ابتلا به بیماری‌ها

یک تیم تحقیقاتی چینی موفق به توسعه الگوریتمی مبتنی بر هوش مصنوعی شده‌اند که با بهره‌گیری از تصاویر صورت، زبان و شبکیه چشم، قادر است سن بیولوژیکی افراد را با دقت بسیار بالایی پیش‌بینی نموده و خطر ابتلای آن‌ها به ۶ بیماری مزمن شایع شامل بیماری‌های قلبی-عروقی، سرطان، دیابت، بیماری‌های تنفسی، بیماری‌های کلیوی و آلزایمر را مشخص کند.

تصاویر پزشکی همچون تصاویر شبکیه چشم و زبان می‌توانند اطلاعات باارزشی در مورد سلامت افراد ارائه دهند، اما تاکنون کمتر مورد توجه قرار گرفته‌اند. این مطالعه نشان می‌دهد هوش مصنوعی می‌تواند این تصاویر را به نحو موثری تفسیر کرده و برای پیش‌بینی خطر بیماری‌ها به کار گیرد.

در این مطالعه که یافته‌های آن در مجله‌ای معتبر[۱] منتشر شده است، محققات با الهام از سیستم بینایی انسان، الگوریتمی طراحی کرده‌اند که در آن تصاویر صورت، زبان و شبکیه به صورت مجزا پردازش شده و سپس اطلاعات حاصل، با یکدیگر ترکیب می‌شود تا سن بیولوژیکی و سپس احتمال ابتلای به بیماری پیش‌بینی شود.

این الگوریتم با بهره‌گیری از داده‌های پزشکی بیش از ۱۴ هزار نفر آموزش دیده و توانسته سن بیولوژیکی را با میانگین خطای تنها ۳.۲۷ سال پیش‌بینی کند. محققان معتقدند سن بیولوژیکی به دست آمده از این الگوریتم، می‌تواند به عنوان نشانگر زیستی بسیار مفیدی برای غربالگری و پایش سلامت عمومی به‌کار رود. آن‌ها همچنین مشاده کردند بین سن بیولوژیکی پیش‌بینی شده افراد مبتلا به بیماری‌های مزمن و افراد سالم، تفاوت معناداری وجود دارد. بنابراین به نظر می‌رسد این الگوریتم بتواند در غربالگری و پیش‌بینی خطر ابتلا به بیماری‌ها نیز مفید واقع شود.

با توجه به افزایش روزافزون بیماری‌های مزمن در جوامع، الگوریتم ارائه شده می‌تواند به عنوان ابزاری مقرون به صرفه و غیرتهاجمی برای پایش سلامت و پیشگیری از بیماری‌ها مورد استفاده قرار گیرد.

به نظر شما استفاده از این الگوریتم می‌تواند منجر به کاهش هزینه‌های درمانی شود؟

بنر اخبار هوش مصنوعی

میانگین امتیاز / ۵. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]