پژوهشگران کرهای:
تشخیص و توضیح خطر پوکی استخوان از روی عکس رادیولوژی قفسه سینه با هوش مصنوعی
پژوهشگران بیمارستان دانشگاه ملی سئول (SNUH) موفق به توسعه مدل هوش مصنوعی جدیدی شدهاند که قادر است تراکم استخوان را در تصاویر رادیوگرافی قفسه سینه (CXR) هم طبقهبندی و هم توضیح دهد؛ دستاوردی که میتواند راه را برای غربالگری زودهنگام و اتفاقی پوکی استخوان بدون نیاز به آزمایش مستقل سنجش تراکم استخوان هموار کند.
به گزارش مدرن مد به نقل از mobihealthnews ، تیم تحقیقاتی با بررسی دادههای حدود ۱۴٬۵۰۲ زن که طی سالهای ۲۰۰۴ تا ۲۰۱۹ در مرکز ارتقای سلامت SNUH تحت تصویربرداری CXR و آزمایش سنجش تراکم استخوان DXA قرار گرفته بودند، مدل را آموزش دادند.
در این مطالعه، چهار مدل پایه هوش مصنوعی – شامل دو مدل آموزشدیده با تصاویر عمومی و دو مدل آموزشدیده با تصاویر پزشکی – مورد ارزیابی قرار گرفت. هر مدل با سه روش ارزیابی (اعتبارسنجی خطی، تنظیم جزئی و سازگاری کمرتبه) آزمایش شد تا عملکرد پیشبینی آن سنجیده شود.
مدل هوش مصنوعی میتواند بر اساس بررسی ویژگیهای مرتبط مانند ستون فقرات و دندهها، وجود تراکم استخوان طبیعی، استئوپنی یا پوکی استخوان را تشخیص دهد و نتایج را با الگوهای آموختهشده مقایسه کند.
علاوه بر این، سیستم توضیحپذیری ویژهای توسعه یافته است تا نواحی برجسته در تصویر CXR – که مبنای تصمیمگیری الگوریتم هستند – مشخص و تأیید شود. این سیستم کمک میکند مشخص شود که آیا مدل واقعاً بر ساختارهای استخوانی مهم از نظر بالینی تکیه میکند یا خیر.
نتایج منتشرشده در مجله Osteoporosis International نشان داد که یکی از مدلهای آموزشدیده با تصاویر عمومی (DINOv2) که با روش سازگاری کمرتبه اعتبارسنجی شده بود، بهترین عملکرد را با سطح زیر منحنی ۹۳ درصد ارائه داده است.
این پژوهش نشان میدهد که هوش مصنوعی میتواند امکان غربالگری غیرمستقیم و زودهنگام پوکی استخوان را تنها با استفاده از تصاویر معمول رادیولوژی فراهم کند؛ بیماریای که با کاهش توده استخوانی و ضعف ساختاری مشخص میشود و معمولاً نیازمند آزمایش اختصاصی سنجش تراکم استخوان است.
پژوهشگران تأکید میکنند که یکی از مهمترین بخشهای این پیشرفت، توضیحپذیری تصمیمات هوش مصنوعی است. این مطالعه قصد داشته مشکل «جعبه سیاه» در مدلهای هوش مصنوعی پزشکی را کاهش دهد.
دکتر کیم جهوون، نویسنده اول و پژوهشگر دپارتمان پزشکی SNU، گفت: «هنگام استفاده از مدلهای پایه در تصویربرداری پزشکی، عملکرد بالا بهتنهایی کافی نیست. سیستم ارزیابی چندبعدی باید در محیط واقعی بالینی قابل اعتماد باشد. ارزش این مطالعه در ارائه معیارهای لازم برای چنین سیستمی است.»
پروفسور پارک سانگمین، سرپرست پژوهش نیز افزود: «این تحقیق همچنین راهنماییهایی درباره نحوه انتخاب و بهکارگیری مدلهای پایه هوش مصنوعی ارائه میدهد.»
وضعیت بازار
در کره جنوبی، شرکت محلی Promedius مجوز سازمان غذا و دارو را برای نرمافزار هوش مصنوعی تشخیص پوکی استخوان دریافت کرده که قادر است این بیماری را از روی تصاویر قفسه سینه شناسایی کند.
در تایوان، شرکت Acer Medical نیز سال گذشته از وزارت بهداشت اندونزی برای نرمافزار کمکتشخیصی خود – که تراکم مواد معدنی استخوان و امتیاز T را از روی تصاویر X-ray پیشبینی میکند – مجوز مشابهی دریافت کرده است.
در سنگاپور نیز سیستم سلامت دانشگاه ملی، سامانه هوش مصنوعیای توسعه داده که موارد هیپرکلسمی را در زمان واقعی شناسایی میکند؛ عارضهای که میتواند منجر به پوکی استخوان شود.
