به گزارش سلامت نیوز به نقل از موبایل نیوز هلث، تیم تحقیقاتی با تحلیل دادههای ۱۴٬۵۰۲ زن که بین سالهای ۲۰۰۴ تا ۲۰۱۹ تحت تصویربرداری قفسه سینه (CXR) و سنجش تراکم استخوان (DXA) قرار گرفته بودند، مدل تازه را آموزش داد.
در این پروژه، چهار مدل پایه هوش مصنوعی – شامل دو مدل آموزشدیده با تصاویر عمومی و دو مدل آموزشدیده با تصاویر پزشکی – با سه روش ارزیابی مختلف بررسی شدند تا دقیقترین مدل برای تشخیص تراکم استخوان انتخاب شود.
این سیستم میتواند با تمرکز بر ساختارهایی مانند ستون فقرات و دندهها، سه وضعیت «تراکم طبیعی»، «استئوپنی» و «پوکی استخوان» را از روی عکس قفسه سینه تشخیص دهد. برای شفافیت بیشتر، یک ماژول توضیحپذیری نیز طراحی شده که نشان میدهد مدل هنگام تصمیمگیری به کدام نواحی استخوانی تکیه کرده است.
نتایج منتشرشده در مجله Osteoporosis International نشان داد که مدل DINOv2 – یکی از مدلهای آموزشدیده با تصاویر عمومی – با روش «سازگاری کمرتبه»، بهترین عملکرد را ثبت کرده و به دقت ۹۳ درصد (AUC) رسیده است.
پژوهشگران میگویند این دستاورد میتواند مسیر غربالگری اتفاقی و غیرمستقیم پوکی استخوان را هموار کند؛ بیماریای که معمولاً برای تشخیص نیازمند سنجش تراکم استخوان است و در بسیاری از بیماران بیعلامت باقی میماند. آنها تاکید کردند که یکی از نقاط قوت این مطالعه، کاهش مشکل «جعبه سیاه» در مدلهای هوش مصنوعی و ارائه معیاری برای اعتمادپذیری در محیط بالینی است.
دکتر کیم جهوون، نویسنده اول تحقیق، گفت:«در مدلهای پایه تصویربرداری پزشکی، فقط عملکرد بالا کافی نیست. تصمیمات سیستم باید در دنیای واقعی قابل اعتماد و قابل توضیح باشند.»
پروفسور پارک سانگمین نیز افزود:«این پژوهش علاوه بر معرفی یک مدل کارآمد، به پزشکان کمک میکند بدانند کدام مدلهای پایه برای کاربردهای بالینی مناسبتر هستند.»
تحولات بازار
-
در کره جنوبی، شرکت Promedius مجوز FDA محلی را برای نرمافزاری دریافت کرده که پوکی استخوان را از روی CXR شناسایی میکند.
-
در تایوان، شرکت Acer Medical سال گذشته مجوز وزارت بهداشت اندونزی را برای نرمافزاری گرفت که امتیاز T و تراکم مواد معدنی استخوان را از X-ray پیشبینی میکند.
-
در سنگاپور، سیستم سلامت دانشگاه ملی ابزاری مبتنی بر هوش مصنوعی ساخته که میتواند هیپرکلسمی را در زمان واقعی تشخیص دهد؛ عارضهای که میتواند زمینهساز پوکی استخوان باشد.