به گزارش سلامت نیوز به نقل از aawsat، محققان دانشگاه چارلز داروین و دانشگاه کاتولیک استرالیا توضیح دادند که این مدل راه حل موثری را نشان می دهد که به پزشکان در تشخیص بیماری های ریوی با دقت بالا کمک می کند. این امر احتمال خطاهای پزشکی را کاهش می دهد و نتایج آن روز جمعه در مجله Frontiers in Computer Science منتشر شد.

بیماری های ریوی - مانند ذات الریه و فیبروز ریوی - از مهمترین علل مرگ و میر در سطح جهان هستند و برای اطمینان از درمان مناسب و کاهش عوارض، نیاز به تشخیص دقیق و سریع دارند. در تشخیص سنتی، پزشکان معمولا به معاینه بالینی و اشعه ایکس تکیه می‌کنند و این ممکن است با تاخیر یا خطاهای انسانی همراه باشد.

بنابراین، استفاده از تکنیک های هوش مصنوعی نشان دهنده یک پیشرفت تعیین کننده در این زمینه است، زیرا امکان تجزیه و تحلیل دقیق و سریع داده های پزشکی را فراهم می کند. این امر شانس تشخیص زود هنگام را افزایش می دهد و نتایج درمان را بهبود می بخشد، به کاهش فشار روی پزشکان و بهبود کیفیت مراقبت های بهداشتی کمک می کند.

این مدل جدید مبتنی بر تجزیه و تحلیل ویدئوهای اولتراسوند ریه است. هر فریم را بررسی می کند تا ویژگی های اصلی ریه ها را استخراج کند.

همچنین توالی فریم ها را برای درک الگوهای زمانی که وضعیت های مختلف بیماری را نشان می دهد، ارزیابی می کند. با استفاده از این داده‌ها، مدل الگوهای خاص مرتبط با بیماری‌های ریوی مختلف را شناسایی می‌کند و موارد را به دسته‌هایی مانند ریه‌های سالم، ذات‌الریه: «کووید-۱۹» و سایر بیماری‌های ریوی طبقه‌بندی می‌کند.

نتایج نشان داد که مدل هوش مصنوعی قادر به تشخیص بیماری های ریوی مانند ذات الریه با دقت 96.57 درصد است.

به گفته این تیم، این مدل از فناوری «هوش مصنوعی توضیحی» برای توضیح اینکه چرا تصمیم‌های تشخیصی گرفته شده‌اند استفاده می‌کند و این اعتماد بین پزشکان و سیستم را افزایش می‌دهد.

این سیستم نقشه های حرارتی را ارائه می دهد که مناطقی را که تشخیص بر اساس آنها انجام شده است را نشان می دهد که به پزشکان کمک می کند تا نتایج را درک کنند و تصمیمات آگاهانه بگیرند.

محققان اشاره کردند که این مدل می تواند برای تشخیص بیماری های اضافی مانند سل، آسم، سرطان ریه، فیبروز ریوی و بیماری های مزمن ریه، در صورت وجود اطلاعات لازم، آموزش ببیند. همچنین به صرفه جویی در زمان و بهبود کارایی کار کمک می کند، زیرا می تواند به سرعت تصاویر را تجزیه و تحلیل کند. این امر زمان مورد نیاز برای تشخیص را کاهش می دهد و زمان بیشتری را برای پزشکان برای تمرکز بر مراقبت از بیمار آزاد می کند.

به گفته محققان، این مدل می تواند به عنوان یک ابزار آموزشی موثر برای آموزش تشخیص بیماری های ریوی از طریق سونوگرافی به پزشکان و متخصصان مورد استفاده قرار گیرد.

این تیم تایید کرد که نتایج این مطالعه نشان می‌دهد که چگونه هوش مصنوعی می‌تواند نقش مهمی در بهبود دقت تشخیص پزشکی و افزایش کارایی خدمات سلامت داشته باشد و این امر افق‌های گسترده‌ای را برای بهبود مراقبت‌های بهداشتی در آینده باز می‌کند.