به گزارش کارگروه فناوری اطلاعات سایبربان؛ کارشناسان در یک مطالعه جدید به بررسی اثربخشی 7 الگوریتم غربالگری مبتنی بر هوش مصنوعی در تشخیص رتینوپاتی دیابتی، شایع‌ترین بیماری چشم دیابتی منجر به کاهش بینایی پرداختند.
در مقاله‌ای در بخش مراقبت از دیابت، محققان الگوریتم‌ها را با تخصص تشخیصی متخصصان شبکیه مقایسه کردند. 5 شرکت الگوریتمهای آزمایش شده را تولید کردند که از این میان 2 شرکت «Eyenuk» و «Retina-AI Health» در ایالات متحده «Airdoc» در چین، «Retmarker» در پرتغال و «OphtAI» در فرانسه قرار دارند.
محققان فناوری‌های مبتنی بر الگوریتم را روی تصاویر شبکیه نزدیک به 24 هزار باتجربه قرار دادند که به دنبال غربالگری رتینوپاتی دیابتی در سیستم مراقبت‌های بهداشتی «Veterans Affairs Puget Sound» و سیستم مراقبت‌های بهداشتی «VA» آتلانتا از سال 2006 تا 2018 بوده‌اند.
محققان به این نتیجه رسیدند که الگوریتم ها آنطور که ادعا می‌شود، عملکرد خوبی ندارند. بسیاری از این شرکت‌ها نتایج عالی را در مطالعات بالینی گزارش می‌دهند. اما عملکرد آنها در یک محیط واقعی مشخص نبود.
محققان آزمایشی را انجام دادند که در آن عملکرد هر الگوریتم و غربالگرهای انسانی فعال در سیستم غربالگری از طریق شبکیه VA همه با تشخیص‌هایی که چشم پزشکان متخصص هنگام مشاهده تصاویر مشابه انجام دادند، مقایسه شد.
3 الگوریتم در مقایسه با تشخیص پزشکان عملکرد مطلوبی دارند و یک مورد عملکرد بدتری داشت. اما فقط یک الگوریتم به خوبی نمایشگرهای انسانی در این آزمون عمل کرد.
آرون لی (Aaron Lee)، استادیار چشم پزشکی در دانشکده پزشکی دانشگاه واشنگتن گفت :
«این نگران کننده است که برخی از این الگوریتم‌ها، از زمان شروع به کار در نقاط مختلف جهان، به طور مداوم کار نمی‌کنند.»
تفاوت در تجهیزات و تکنیک دوربین شاید یک توضیح باشد. محققان اظهار داشتند که آزمایش آنها نشان دهنده میزان اهمیت هر عملی برای استفاده از یک غربالگر هوش مصنوعی و همچنین دستورالعمل‌های مربوط به نحوه به‌دست آوردن تصاویر مناسب از چشم بیماران است، زیرا الگوریتم‌ها برای کار با حداقل کیفیت تصاویر طراحی شده‌اند.
این مطالعه همچنین نشان داد که عملکرد الگوریتم‌ها هنگام تجزیه و تحلیل تصاویر جمعیت بیماران در سیاتل و مراقبت‌های آتلانتا متفاوت است. این یک نتیجه شگفت‌آور بود و ممکن است نشان دهد که الگوریتم‌ها باید با تصاویر متنوع‌تری آموزش ببینند.
