به گزارش سلامت نیوز به نقل از مدیکال نیوز تودی رت فاند، یکی از اولین مدل های پایه هوش مصنوعی مراقبت های بهداشتی و اولین مدل های چشم پزشکی، از میلیون ها اسکن چشم برای کمک به تشخیص و درمان نابینایی استفاده کرد.

این فناوری به‌طور چشمگیری حجم کار متخصصان انسانی را در تجزیه و تحلیل و برچسب‌گذاری تصویربرداری شبکیه کاهش می‌دهد.

کارشناسان در بیمارستان چشم مورفیلدز و موسسه چشم پزشکی کالج دانشگاه لندن (UCL) در انگلستان اخیراً یک سیستم هوش مصنوعی ساخته اند که می تواند اختلالات بینایی را با دقت و کارایی بیشتری نسبت به روش های فعلی تشخیص دهد.

این فناوری جدید همچنین می تواند به سرعت بخشیدن به تشخیص مشکلات سیستمیک سلامت از جمله سکته مغزی، حملات قلبی و بیماری پارکینسون کمک کند.

دانشمندان مطالعه‌ای را بر روی رت فاند ، اولین مدل پایه در جهان، انجام دادند که از میلیون‌ها اسکن چشم از سرویس بهداشت ملی بریتانیا (NHS) استفاده کرد. ابتکار آنها ممکن است به عنوان الگویی برای تلاش برای کمک به تشخیص و درمان نابینایی با هوش مصنوعی باشد.

نویسنده ارشد پروفسور پیرس کین از موسسه چشم پزشکی UCL گفت: این یک گام بزرگ دیگر در جهت استفاده از هوش مصنوعی برای ابداع مجدد معاینه چشم برای قرن بیست و یکم، هم در بریتانیا و هم در سطح جهان است. ما چندین شرایط نمونه را نشان می‌دهیم که می‌توان از رت فاند استفاده کرد، اما این پتانسیل را دارد که برای صدها بیماری چشمی تهدید کننده بینایی دیگر که هنوز کشف نکرده‌ایم، توسعه یابد.

بررسی سال 2023 در مجله پزشکی بالینی به شبکیه به عنوان "پنجره ای به بدن" اشاره می کند. مطالعه اکولومیکس از یادگیری عمیق برای کشف همبستگی بین ویژگی‌های تصویر شبکیه و بیماری‌ها استفاده می‌کند.

نویسندگان مطالعه حاضر معتقدند که رت فاند ممکن است به بهبود تشخیص بیماری های چشمی تهدید کننده بینایی، مانند رتینوپاتی دیابتی و گلوکوم کمک کند.

این برنامه همچنین می تواند اختلالات سیستمیک از جمله نارسایی قلبی، سکته مغزی و بیماری پارکینسون را پیش بینی کند.علاوه بر این، این فناوری هوش مصنوعی یک دید غیر تهاجمی از سیستم عصبی را تسهیل می کند.

مطالعه حاضر رت فاند ، یک مدل جدید مبتنی بر SSL برای تصاویر شبکیه را به کار گرفت و ارزیابی کرد. در این مورد، پروفسور کین و همکارانش سیستم هوش مصنوعی را با مجموعه داده ای از 1.6 میلیون تصویر از بیمارستان چشم مورفیلدز بررسی کردند. این تیم بیماری های چشمی از جمله رتینوپاتی دیابتی و گلوکوم و پیش آگهی بیماری چشمی را در یک دوره 1 ساله در نظر گرفت. سپس، آنها پیش‌بینی 3 ساله بیماری‌های قلبی مانند سکته، نارسایی قلبی، و انفارکتوس میوکارد و بیماری پارکینسون را مطالعه کردند.

در مقایسه با مدل‌هایی که روی SL-ImageNet، SSL-ImageNet، و SSL-Retinal از قبل آموزش داده شده‌اند، رت فاند"کارایی و کارایی برچسب به طور مداوم برتر" را نشان داد.

دکتر فرانک خاطرنشان کرد: "نتایج رت فاند به ویژه برای تعداد زیادی از وظایف که سیستم آنها می تواند انجام دهد، چشمگیر است و دقت‌هایی که محققان به دست می‌آورند برای استفاده بالینی کافی نیست.