menusearch
asrerooydad.ir

شناسایی افراد مستعد ابتلا به سرطان پستان به کمک هوش مصنوعی

جستجو
شنبه ۳ آذر ۱۴۰۳ | ۱:۵۳:۱۰
۱۴۰۳/۷/۱۵ یکشنبه
(0)
(0)
شناسایی افراد مستعد ابتلا به سرطان پستان به کمک هوش مصنوعی
شناسایی افراد مستعد ابتلا به سرطان پستان به کمک هوش مصنوعی

 

 

به گزارش عصر رویداد؛ پژوهش‌ها نشان می‌دهد الگوریتم‌های هوش مصنوعی (AI) تجاری موجود که به رادیولوژیست‌ها کمک می‌کند در غربالگری ماموگرافی سرطان پستان را فوراً تشخیص دهند، قادر اند زنانی را که در معرض خطر ابتلا به این بیماری هستند، سال‌ها قبل از تشخیص ابتلای آن‌ها به این بیماری شناسایی کنند.

این یافته‌ها که در جاما نِتوُرک (مجلات انجمن پزشکی آمریکا) منتشر شده است، راهی برای غربالگری شخصی ارائه می‌دهد که احتمالاً به تشخیص زودهنگام سرطان سینه منجر می‌شود.

پژوهشگران معتقدند اگر الگوریتم‌های هوش مصنوعی تجاری طراحی‌شده به منظور تشخیص فوری سرطان بتواند خطر ابتلا به این بیماری در آینده را نیز تخمین بزند، اقدامات پیشگیرانه شخصی‌سازی شده (مانند تصویربرداری مکرر یا تکمیلی) به تشخیص زودهنگام سرطان سینه و درمان کم‌تهاجمی منجر می‌شود.

الگوریتم‌های هوش مصنوعی، مجموعه‌ای از قوانین، روش‌ها و محاسبات ماشینی هستند که برای اجرای وظایف مختلف و تصمیم‌گیری‌های هوش مصنوعی به‌کار می‌روند. این الگوریتم‌ها از بررسی داده‌ها، تشخیص الگوها، یادگیری از تجربیات و اجرای روندهای پیچیده برای انجام وظایف هوش مصنوعی استفاده می‌کنند.

چند الگوریتم تجاری هوش مصنوعی به‌تازگی به عنوان مکمل اقدامات رادیولوژیست‌ها تأییدیه نظارتی دریافت کرده و نتایجی امیدوارکننده را برای تشخیص سرطان در ماموگرافی نشان داده‌اند. الگوریتم‌ها قسمت‌های حساس را مشخص و احتمال بروز نئوپلاسم بدخیم (رشد غیرطبیعی سلول‌ها) در سطح پستان را برای کمک به تفسیر رادیولوژیست‌ها ارائه می‌کنند.

دکتر سولویگ هُفویند (Solveig Hofvind)، از مؤسسه بهداشت عمومی نروژ و گروهش تشخیص سرطان با هوش مصنوعی در ماموگرافی را در زنان اسکاندیناویایی تحت غربالگری، بررسی کردند.

آن‌ها خاطرنشان می‌کنند: ابزارهای تجاری فعلی هوش مصنوعی، مانند ابزار ما در این پژوهش، برای تخمین‌ خطر ابتلا به سرطان در آینده طراحی نشده‌اند؛ اما متوجه شدیم دقت سیستم هوش مصنوعی برای تخمین خطر ابتلا به این بیماری ۴ تا ۶ سال قبل از تشخیص ابتلا به آن، در مقایسه با روش‌های دیگری که به طور گسترده استفاده می‌شود، بسیار بیشتر است.