پوشش رسانه‌ای جیتکس ۲۰۲۴ | با ما همراه باشید

Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
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
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 هوش مصنوعی بهتر از پزشکان مرگ ناشی از بیماری‌های قلبی را پیش‌بینی می‌کند

هوش مصنوعی بهتر از پزشکان مرگ ناشی از بیماری‌های قلبی را پیش‌بینی می‌کند

زمان مطالعه: 2 دقیقه

بر اساس یافته‌های محققان در مؤسسه فرانسیس کریک، مدل توسعه‌یافته با استفاده از هوش مصنوعی می‌تواند خطر مرگ ناشی از بیماری‌های قلبی را بهتر از مدل‌هایی پیش‌بینی کند که به دست کارشناسان پزشکی، طراحی شده‌اند.

یافته‌های مقاله جدید که در PLOS One منتشر شده است، مهر تأییدی بر این شواهد و قرائن می‌زند که هوش مصنوعی می‌تواند تحول شگرفی در نظام بهداشت و درمان انگلستان پدید آورد. تا به امروز، ظرفیت هوش مصنوعی برای تشخیص و درمان بیماری‌های گوناگون مورد تأکید قرار داشته است. اما یافته‌های جدید نشان می‌دهد که این فناوری می‌تواند احتمال مرگ بیماران را نیز پیش‌بینی کند.

اندرو استیل، دانشمند مؤسسه فرانسیس کریک و نویسنده اول مقاله، خاطرنشان کرد: «پزشکان در آینده‌ای نزدیک از این ابزارها در کلینیک‌شان استفاده خواهند کرد، تا تشخیص و پیش‌بینی بهتری انجام دهند. بنابراین، امکان به ‌کارگیری بهترین روش‌های درمانی برای بیماران در نظر گرفته خواهد شد. درحال‌حاضر نیز پزشکان از ابزارهای رایانه‌ای برای بررسی این موضوع استفاده می‌کنند که آیا خطر بیماری قلبی بیمار را تهدید می‌کند یا خیر. یادگیری ماشین، زمینه را برای ساخت مدل‌های دقیق‌تری فراهم خواهد کرد، تا طیف گسترده‌ای از بیماری‌ها تحت پوشش قرار گیرند.»

مرگ ناشی از بیماری‌های قلبی

مدل داده‌محور

این مدل با استفاده از داده‌های سلامتی الکترونیکی بیش از 000/80 بیمار طراحی شد و با سامانه‌ CALIBER در اختیار محققان قرار گرفت. دانشمندان مؤسسه فرانسیس کریک که همکاری نزدیکی با مؤسسه تحقیقات انفورماتیک سلامتی، دانشگاه‌ها و چند مؤسسه تحقیقاتی دیگر دارند، درصدد پی بردن این مسئله هستند که آیا امکان ساخت مدلی برای بیماری‌ گرفتگی رگ‌های قلب وجود دارد یا خیر. این بیماری یکی از علل عمده مرگ در کشور انگلستان است. روش‌های خودآموز یادگیری ماشین می‌تواند شرایطی را رقم بزند که شاهد عملکرد بهتری نسبت به کارشناسان انسانی باشیم.

[irp posts=”19414″]

بیماری گرفتگی رگ‌های قلب (تصلب شرایین) به معنای تجمع پلاک‌ها در داخل شریان‌های خون است. این شریان‌ها سرخرگ‌های خونی هستند که خون غنی از اکسیژن را به قلب و سایر قسمت‌های بدن شما منتقل می‌سازند. پلاک‌ها، از چربی، کلسترول، کلسیم، و سایر مواد موجود در خون تشکیل شده‌اند. با گذشت زمان، این پلاک‌ها سفت می‌شود و باعث تنگ شدن شریان‌ها می‌گردد. در نتیجه جریان خونِ غنی از اکسیژن، به اندام‌ها و سایر قسمت‌های بدن شما محدود می‌گردد.

گرفتگی رگ‌های قلب (تصلب شرایین) می‌تواند به مشکلات جدی از جمله حمله قلبی، سکته یا حتی مرگ منجر شود. پیشتر، محققان یک مدل پیش‌بینی برای بیماری گرفتگی رگ‌های قلب ساخته بودند و مدل جدید با آن مقایسه شد.

[irp posts=”14974″]

پیش‌بینی‌ها در مدل قدیمی بر اساس 27 متغیری انجام می‌شد که کارشناسان پزشکی انتخاب کرده بودند. از جمله‌ این متغیرها می‌توان به سن، جنسیت و درد قفسه سینه اشاره کرد. اما دانشمندان مؤسسه فرانسیس کریک از الگوریتم‌های هوش مصنوعی خودشان برای آموزش، جست‌وجوی الگوها و انتخاب مرتبط‌ترین متغیرها از داخل مجموعه استفاده کردند.

ارائه عملکردی بهتر از کارشناسان

در این خصوص، نه‌تنها مدل داده‌محور توانست مدل‌های ساخته‌شده به دست کارشناسان را در پیش‌بینی مرگ ناشی از بیماری‌های قلبی شکست دهد، بلکه متغیرهای جدیدی را شناسایی کرد که پزشکان از تشخیص‌شان عاجز بودند.

[irp posts=”21046″]

اندرو گفت: «در کنار عواملی نظیر سن و سابقه بیمار در استعمال دخانیات، مدل‌های ما به خوبی می‌توانند احتمال مرگ ناشی از بیماری‌های قلبی را پیش‌بینی کنند. شاید از نظر متخصص قلب، ویزیت خانگی بیمار به لحاظ بیولوژی بیماری قلبی، فاقد اهمیت باشد. اما شاید بر این مسئله تأکید داشته باشد که بیمار به قدری ناخوش است که نمی‌تواند خودش به مرکز درمانی مراجعه کند. این متغیر مفید به مدل کمک می‌کند، تا پیش‌بینی‌های دقیق‌تری انجام دهد. یادگیری ماشین، ابزار فوق‌العاده قدرتمندی در پزشکی است و این ظرفیت را دارد، تا انقلابی در ارائه راهکارهای درمانی به بیماران ایجاد کند.»

به نظر شما فناوری هوش مصنوعی در حوزه بهداشت و درمان چه کاربردهای دیگری دارد؟

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

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