Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
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
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
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
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
 پیشرفت هوش مصنوعی در تشخیص دقیق سرطان تخمدان

پیشرفت هوش مصنوعی در تشخیص دقیق سرطان تخمدان

زمان مطالعه: < 1 دقیقه

گزارش‌ها حاکی از آن است که هوش مصنوعی می‌تواند در شناسایی سرطان تخمدان از روی تصاویر اولتراسوند عملکرد بهتری نسبت به پزشکان داشته باشد.

بنابر مطالعه جدیدی که نتایج آن در مجله Nature Medicine منتشر شده است، یک برنامه هوش مصنوعی که به صورت ویژه آموزش دیده است، در شناسایی سرطان تخمدان از طریق اسکن اولتراسوند به نرخ دقتی بالاتر از ۸۶ درصد دست یافته است. این در حالی است که نرخ دقت متخصصان انسانی کمی کمتر از ۸۳ درصد و نرخ دقت پزشکان غیرمتخصص حدود ۷۸ درصد بود.

محققان برنامه هوش مصنوعی را برای تمایز بین ضایعات خوش‌خیم و بدخیم تخمدان آموزش دادند. برای این منظور از بیش از ۱۷ هزار تصویر اولتراسوند از نزدیک به ۳۷۰۰ بیمار در ۲۰ بیمارستان واقع در هشت کشور استفاده شد.

بنابر گفته الیزابت اپستین، یکی از پزشکان ارشد در بخش علوم بالینی و آموزش بیمارستان عمومی جنوب استکهلم، تومورهای تخمدان شایع هستند و اغلب به طور تصادفی شناسایی می‌شوند و هوش مصنوعی می‌تواند در تشخیص سرطان تخمدان، به‌ویژه در موارد دشوار برای تشخیص و همچنین در شرایطی که کمبود متخصصان در زمینه اولتراسوند وجود دارد، ابزار مفیدی باشد. 

گفتنی است که این برنامه هوش مصنوعی، همچنین توانست نیاز به ارجاع بیماران به متخصصان را کاهش دهد، زیرا در نقش پشتیبان برای ارزیابی پزشکان انسانی عمل کرد.  در یک سناریوی شبیه‌سازی‌شده مراقبتی، کمک هوش مصنوعی تعداد ارجاعات به متخصصان را تا ۶۳ درصد کاهش داد. همچنین نرخ اشتباهات تشخیصی را به میزان ۱۸ درصد کم کرد.

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها

در جریان مهم‌ترین اتفاقات AI بمانید

هر هفته، خلاصه‌ای از اخبار، تحلیل‌ها و رویدادهای هوش مصنوعی را در ایمیل‌تان دریافت کنید.

[wpforms id="48325"]