پژوهشگران به تازگی موفق به توسعه مدل‌های هوش مصنوعی شده‌اند که توانایی تمایز بین تومورهای مغزی و بافت سالم را در تصاویر ام‌آرآی دارند. این مدل‌ها اکنون قادرند با دقتی مشابه پزشکان، تومورهای مغزی را شناسایی کنند و به عنوان دستیار رادیولوژیست‌ها در تشخیص بیماری‌های مغزی عمل کنند.
در حالی که استفاده از هوش مصنوعی در حوزه پزشکی به سرعت در حال گسترش است، این فناوری در رادیولوژی نقش ویژه‌ای پیدا کرده است. فرآیند پردازش تصاویر پزشکی معمولاً زمان‌بر است و ممکن است باعث تأخیر در درمان بیماران شود. به همین دلیل، محققان به کارگیری شبکه‌های عصبی کانولوشنال (CNN) را برای پردازش و تحلیل تصاویر پزشکی پیشنهاد کرده‌اند. این شبکه‌ها به مدل‌های هوش مصنوعی امکان می‌دهند تا با استفاده از حجم وسیعی از تصاویر آموزشی، توانایی تشخیص و طبقه‌بندی تصاویر پزشکی را کسب کنند.
یکی از نکات جالب این تحقیق، شباهت میان تشخیص تومورها و ردیابی حیوانات استتار شده در طبیعت است. پژوهشگران دریافته‌اند که الگوهای استتار در طبیعت مشابه الگوهای ترکیب تومورها با بافت‌های سالم هستند و این ویژگی می‌تواند در شناسایی بهتر تومورها مفید واقع شود.
در این پژوهش، محققان با استفاده از داده‌های تصویربرداری ام‌آرآی مغز و تکنیک یادگیری انتقال، شبکه‌های عصبی را آموزش داده‌اند. نتایج نشان داد که این مدل‌ها توانایی بالایی در تشخیص تومورهای مغزی دارند. یکی از شبکه‌های عصبی با دقت ۸۵.۹۹ درصدی قادر به شناسایی تومورها بود و شبکه دیگر نیز دقت ۸۳.۸۵ درصدی را از خود نشان داد.
این فناوری می‌تواند به رادیولوژیست‌ها کمک کند تا تشخیص‌های دقیق‌تری داشته باشند و با تأیید تصمیمات خود توسط مدل‌های هوش مصنوعی، به ارتقای کیفیت درمان بیماران کمک کنند.
کد خبر ۲۰۱۰۳۰۸۳۰.۰۵۴
