توسعه سیستم هوش مصنوعی برای تشخیص مشکلات قلبی

به گزارش کارگروه فناوری اطلاعات سایبریان؛ محققان «Technion»، مؤسسه فناوری اسرائیل، مدعی شدند که روشی مناسب برای استفاده مطمئن از هوش مصنوعی (AI) در پزشکی و کاربرد سیستم‌های عملی برای قلب و عروق در مقاله منتشر شده در مجموعه مقالات آکادمی ملی علوم ایالات متحده (PNAS) کشف کرده‌اند.

با وجود پیشرفت هوش مصنوعی در دهه‌های گذشته، استفاده از این فناوری در محصولات پزشکی هنوز کم و روش‌های فعلی به کار رفته از سوی پزشکان براساس فناوری قدیمی‌تر است.

در این مقاله، تیم تحقیقاتی استفاده از فناوری جدید را برای شناسایی بیماری‌های مبتنی بر صدها دستگاه الکتروکاردیوگرام (ECG)، رایج‌ترین فناوری فعلی مورد استفاده در پزشکی قلب، ارائه کردند.

بنابر ادعای کارشناسان، سیستم‌های جدید با استفاده از یک شبکه عصبی تقویت شده، که براساس سیستم بیش از 1.5 میلیون تست نوار قلب از صدها بیمار در بیمارستان‌های سراسر جهان الگوهای مختلفی آموزش داده، نوارهای قلب را تجزیه و تحلیل می‌کند.؛ نوار قلب یک آزمایش سریع و غیرتهاجمی است که اطلاعاتی در مورد عملکرد قلب ارائه می‌دهد. عیب نوار این است که متخصصان قلب و عروق پس از خواندن نوار شاید در تفسیر خود یا به دلیل ذهنی بودن یا اینکه نمی‌توانند آنچه را که می‌خواهند با دقت کافی ببینند، دچار اشتباه شوند.

محققان معتقدند که سیستم‌های جدید دقیق‌تر هستند و می‌توانند شرایط پاتولوژیکی را تشخیص دهند که متخصصان قلب از نظر جسمی قادر به دیدن آنها نیستند؛ کارشناسان از نزدیک با متخصصان قلب و عروق همکاری و سیستم را با توجه به نیاز آنها ایجاد کردند. نتیجه، شامل برآورد عدم اطمینان از نتایج، هشدارهای مربوط به نتایج غیرقطعی و افزایش خطر پاتولوژی است که سیگنال نوار قلبی خود مشاهده نمی‌کند.

این سیستم حساسیت و دقت کافی را نشان می‌دهد که می‌تواند خطر آریتمی را حتی در مواردی که در نوار قلب نشان داده نشود، هشدار دهد. بدون این تشخیص زودهنگام، افراد در معرض خطر بیشتری برای حملات قلبی و مغزی هستند.

علاوه بر این، هوش مصنوعی از اصطلاحات رسمی قلب و عروق برای توضیح تصمیمات خود استفاده می‌کند.

یائیل یانیف (Yael Yaniv)، مدیر آزمایشگاه سیستم‌های بیوانرژتیک و بیوالکتریک در دانشکده مهندسی پزشکی Technion، الکس برونشتاین (Alex Bronstein)، مدیر آزمایشگاه ویستا (VISTA) در دانشکده علوم کامپیوتری «Taub»، آساف شوستر (Assaf Schuster)، از اعضای آزمایشگاه مقیاس (MLL) در دانشکده علوم کامپیوتری Taub و مدیر مشترک مرکز سیستم‌های هوشمند و یادگیری ماشینی (MLIS)، یوناتان الول (Yonatan Elul)، دانشجوی دکترا در آزمایشگاه‌های برونشتاین، یانیف و شوستر و آویو روزنبرگ (Aviv Rosenberg)، دانشجوی دکترای آزمایشگاه برونشتاین و یانیف هدایت مقاله را برعهده داشتند.

این پروژه به پشتیبانی مالی وزارت علوم و فناوری و مرکز تحقیقات امنیت سایبری «Technion Hiroshi Fujiwara» و اداره سایبری ملی اسرائیل انجام شد.