نرم افزارهایی برای تشخیص بیماری ها

 محققان BIDMC و دانشکده‌ی پزشکی هاروارد (HMS)یک روشی به منظور تمرین دادن هوش مصنوعی جهت خواندن و تجزیه و تحلیل تصاویر آسیب‌شناسی بدن توسعه داده‌اند. اندرو بک (Andrew Beck) از BIDMC عنوان می کند که روش آنها بر اساس یادگیری عمیق درنظر گرفته شده است که به طور معمول برای آموزش هوش مصنوعی جهت تشخیص دادن گفتار، تصاویر و اشیا به کار برده می‌شود.

آنها به تازگی به این مهم رسیده اند تا میزان تاثیرگذاری و چگونگی عملکرد روش خود را در در طول یک رقابت در سمپوزیوم بین‌المللی سالانه‌ی تصویربرداری پزشکی به نمایش بگذارند. در این مسابقه باید از هوش مصنوعی برای جستجوی سرطان پستان در تصاویر گرفته شده از غدد لنفاوی استفاده می‌شد.

این تیم، کار خود را با با دادن صدها اسلاید به دستگاهشان شروع کردند. آنها این اسلایدها را نشانه‌گذاری کرده بودند تا آن دسته از اسلایدهایی که دارای سلول‌های سرطانی هستند را از اسلایدهایی که تصاویر طبیعی داشته‌اند، تمییز دهند. سپس آنها اسلایدهایی را که دستگاه بیشترین مشکل را در مواجهه با آنها پیدا کرده بود را شناسایی کردند و برای آن تصاویر، شمار اسلایدهای سخت‌تری را در ادامه به دستگاه دادند. با استفاده از این روش، هوش مصنوعی به اندازه کافی دقیق شده و به دقت ۹۲ درصد رسید. این میزان از توانایی در دستگاه باعث شد تا آنها در دو شاخه‌ی مختلف از این مسابقه برنده شوند. این درصد هنوز با آسیب‌شناسان انسانی که ۹۶ درصد از مواقع تشخیص درست می‌دهند، قابل رقابت نیستند. اما به وضوح می‌توان گفت که دستاورد اخیر بسیار امیدوارکننده است.

 به گفته‌ی بک، نکته‌ی واقعا هیجان انگیزی که آنها به آن پی بردند این بود که آنها با ترکیب عملکرد دستگاه خود با تجزیه و تحلیل‌های آسیب‌شناسان، به درصد دقت ۹۹.۵ درصدی دست یافتند. وی در ادامه عنوان کرد：

نتایج ما در رقابت ISBI نشان می‌دهد که کامپیوترها واقعا به طور هوشمندانه عمل می‌کنند و از سویی، ترکیب تفاسیر انسانی و نتایج کامپیوتری به تشخیص دقیق‌تر می‌انجامد و از نظر بالینی نیز برای هدایت تصمیم‌گیری‌های درمانی، بسیار ارزشمند خواهد بود.