پژوهشگران تیمی موفق به ایجاد بزرگ‌ترین و معتبرترین پایگاه داده بصری برای تصویر برداری از قفسه سینه شدند که شامل بیش از ۱۰۰,۰۰۰ حرکت چشمی از ۱۳ رادیولوژیست در حین بررسی کمتر از ۲۰۰ عکس رادیولوژی است. این تحقیق نشان داده است که استفاده از داده‌ها و تخصص رادیولوژیست‌ها می‌تواند به توسعه ابزارهای هوش مصنوعی (AI) بهتر و قابل اعتمادتر کمک کند.
این مطالعه از حرکات چشمی رادیولوژیست‌ها برای راهنمایی سیستم‌های هوش مصنوعی در تمرکز بر مهم‌ترین نواحی بالینی تصاویر پزشکی استفاده کرده است. بر اساس یافته‌های این تیم از دانشگاه کاردیف و بیمارستان دانشگاه ولز، این رویکرد به بهبود عملکرد تشخیصی تا ۱.۵% و نزدیک‌تر شدن رفتار ماشین‌ها به قضاوت‌های کارشناسان انسانی کمک می‌کند.
دکتر ریچارد وایت، رادیولوژیست مشاور در بیمارستان دانشگاه ولز و سرپرست بالینی این تحقیق، بیان کرد: «کامپیوترها در شناسایی پاتولوژی‌ها مانند ندول‌های ریوی بر اساس شکل و بافت خود بسیار خوب عمل می‌کنند. اما دانش در مورد اینکه باید در کجاها در مطالعات تصویربرداری نگاه کنیم، بخش کلیدی آموزش رادیولوژی است.»
تیم پژوهشی با استفاده از این پایگاه داده، مدل هوش مصنوعی جدیدی به نام CXRSalNet را آموزش داده که به آن کمک می‌کند مناطق مهم برای تشخیص در عکس رادیوگرافی را پیش‌بینی کند.
پروفسور هانتائو لیو، پژوهشگر اصلی این مطالعه، افزود: «سیستم‌های هوش مصنوعی کنونی قادر به توضیح اینکه چگونه یا چرا به یک تصمیم می‌رسند، نیستند که موضوعی حیاتی در حوزه بهداشت و درمان است.»
در حال حاضر، ولز با کمبود ۳۲ درصدی رادیولوژیست‌های مشاور مواجه است و این رقم در کل بریتانیا ۲۹ درصد است. با افزایش تقاضا برای تصویربرداری، دکتر وایت تاکید کرد که مشکلات مشابهی در سرتاسر جهان وجود دارد.
این تیم قصد دارد روش خود را برای بررسی امکان سازگاری این تکنولوژی با آموزش پزشکی و ابزارهای پشتیبانی تصمیم‌گیری بالینی گسترش دهد. پروفسور لیو افزود: «تمرکز کنونی ما گسترش این روش به سایر شیوه‌های تصویربرداری مانند CT و MRI است، به ویژه در زمینه تشخیص سرطان که شناسایی زودهنگام نشانه‌های بصری ظریف بسیار حیاتی و چالش برانگیز است.»
کد خبر ۲۰۱۰۴۰۶۱۵.۸۱۰
منبع: کاردیف
