کاهش نرخ خطا در کولونوسکوپی با هوش مصنوعی
سرطان رودهی بزرگ سومین سرطان شایع و دومین علت مرگ و میر در اثر بیماری سرطان در ایالات متحده است و همین موضوع اهمیت کولونوسکوپی را بیش از پیش کرده است. غربال آسیبها و ضایعات پیشسرطانی که با نام آدنوم Adenoma شناخته میشوند، خطر مرگ ناشی از سرطان روده را تا 60 درصد کاهش میدهد. با این حال، نرخ تشخیص آدنوم (و همچنین عدم تشخیص آن) از پزشکی به پزشک دیگر تفاوت دارد و میتواند بین 6 تا 41 درصد باشد.
اخیراً، گروهی تحقیقاتی به رهبری متخصصان مرکز BIDMC پژوهشی انجام داده و نتایج آن را در ژورنال «مطالعه بالینی بیماریهای کبد، معده و روده Clinical Gastroenterology and Hepatology» منتشر کردهاند. در این پژوهش، امکان کاربرد کامپیوترهای مجهز به هوش مصنوعی در تشخیص آدنوم بررسی شده است. هدف محققان مشخص کردن این نکته بوده که آیا این فناوری میتواند با کاهش نرخ خطا، کیفیت کولونوسکوپی را ارتقاء دهد یا خیر.
کاهش نرخ خطا
یافتهها نشان دادند ادغام تشخیص مجهز به کامپیوتر با روش استاندارد کولونوسکوپی میتواند نرخ خطا (عدم تشخیص) را نزدیک به یک سوم کاهش دهد. این اولین بار است که در آمریکا، آزمایشاتی تصادفی نقش یک سیستم تشخیصگر مجهز به کامپیوتر مبتنی بر یادگیری عمیق را در کولونوسکوپی بررسی میکنند. علاوه بر این، این پروژه را میتوان یکی از اولین آزمایشات تصادفی دانست که به مطالعهی نقش مداخلات هوش مصنوعی در حوزهی پزشکی پرداخته است.
دکتر تایلر امبرزین، نویسندهی سرپرست این پژوهش که ریاست بخش آندوسکوپی پیشرفته BIDMC را نیز بر عهده دارد، در مورد این مطالعات توضیح میدهد: «پژوهش ما نشان داد به کارگیری کامپیوتر در تشخیص پولیپ قابلیت این را دارد که پراکندگی کیفیت در نتایج کلونوسکوپی را جبران کرده و نرخ خطا را برای پزشکان باتجربه کاهش دهد. بر اساس یافتهها، هوش مصنوعی میتواند به عنوان ابزاری مهم در ارتقای کیفیت غربال سرطان رودهی بزرگ ایفای نقش کند و بدین طریق، شیوع این بیماری را در آمریکا کاهش دهد.»
کلونوسکوپی با تشخیصگر مجهز به کامپیوتر
برزین، استاد دانشکده پزشکی هاروارد، و همکارانش برای اجرای این آزمایش، 223 بیمار را مورد مطالعه قرار دادند که بین سالهای 2019 تا 2020، برای غربال و یا تشخیص سرطان رودهی بزرگ به یکی از چهار مرکز پزشکی دانشگاه مراجعه کرده بودند. علاوه بر فرآیند کلونوسکوپی استاندارد دقیق به کمک نور سفید، کلونوسکوپی با تشخیصگر مجهز به کامپیوتر نیز روی همهی این افراد انجام شد. مشارکتکنندگان به شیوهی تصادفی به دو گروه مساوی تقسیم شدند؛ یک گروه ابتدا تحت کلونوسکوپی استاندارد قرار گرفته و بلافاصله وارد رویهی دوم شدند (هر دو فرآیند توسط یک آندوسکوپیست انجام میشد). ترتیب اجرای مداخلات روی گروه دوم برعکس بود.
[irp posts=”13168″] بر اساس یافتهها، نرخ خطا در گروهی که ابتدا کلونوسکوپی مجهز به کامپیوتر انجام داده بودند حدود 20 درصد و در گروه دیگر نزدیک 34 درصد بود؛ تفاوت بین این دو رقم معنیدار است.دکتر گلیسن براون، عضو واحد مطالعهی بیماریهای کبد، روده و معده در مرکز BIDMC و نویسندهی اول این مقاله، توضیح میدهد: «نتایج این آزمایشات به غیر از غربال سرطان رودهی بزرگ کاربردهای دیگری هم دارند. این پژوهش یکی از اولین آزمایشات کنترلشده و تصادفی در آمریکاست که نقش فناوری هوش مصنوعی در حوزههای پزشکی را مورد بررسی قرار داده است. در سالهای اخیر، یادگیری عمیق و هوش مصنوعی توجه بسیار زیادی از سمت بخشهای تجاری و تحقیقاتی به خود جلب کردهاند؛ با این حال، ضروری است که با جمعآوری دادههای باکیفیت و دقیق طی آزمایشات بالینی کنترل شده و تصادفی، امنیت و کارآمدی هوش مصنوعی در کاربردهای پزشکی را تضمین کنیم.»
انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید