به نقل از «باشگاه خبرنگاران»

طراحی سامانه هوشمند تخمین وضعیت بدن از روی چشم

تاریخ انتشار: ۱۴ اردیبهشت ۱۳۹۹ | کد خبر: ۲۷۸۱۰۷۳۴

به گزارش حوزه دانشگاهی گروه علمی پزشکی باشگاه خبرنگاران جوان، شیدا میرلو دانشجوی کارشناسی ارشد مهندسی اطلاعات پزشکی دانشگاه صنعتی امیرکبیر و مجری طرح «طراحی سامانه هوشمند جهت تخمین وضعیت بیماری بدن از روی تصویر چشم» گفت: یکی از موضوعاتی که همواره از قدیم مطرح بوده بررسی بیماری از روی چشم است که در خصوص بیماری‌های مختلف به ویژه دیابت نیز مستندات زیادی وجود دارد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

او با بیان اینکه در این پروژه در صدد برآمدیم که ارتباط میان بیماری تصلب شریان و عنبیه چشم را بررسی کنیم، بیان کرد: هدف ما این بود که سامانه هوشمندی را طراحی کنیم که با استفاده از تصویر چشم بتوان بیماری تصلب شریان را در افراد تشخیص داد.

او با بیان اینکه برای این پروژه داده تصویر چشم نزدیک به ۱۰۰ فرد مبتلا به بیماری و ۹۰ فرد سالم را جمع آوری کردیم، عنوان کرد: به نتیجه رسیدیم که با صحت ۹۳ درصد می‌توان به تشخیص بیماری از روی عنبیه چشم پرداخت؛ در این پژوهش ۹۶ داده بیمار و ۸۳ داده سالم مورد بررسی قرار گرفتند.

به گفته میرلو، این سامانه می‌تواند در غربالگری بیماران به پزشک کمک کند؛ اما در حال حاضر نیاز است برای اجرایی شدن تعداد داده‌های بیشتری مورد بررسی قرار بگیرند و افراد سالم جامعه آماری با دقت بالاتری انتخاب شوند تا بتوان به کار جامعیت بخشید.

او ادامه داد: برای ما مهم است که بدانیم بیمار در چه مرحله‌ای از بیماری به سر است که باید تحقیقات خود را گسترده‌تر کنیم.

او افزود: برای تشخیص آلزایمر، بیماری‌های مربوط به روده، معده، کلیه، کبد و غیره چنین بررسی‌هایی وجود دارد که این مطالعه‌ها نیز در مراحل اولیه هستند و به مرحله کلینیکی نرسیده‌اند؛ اما اگر بتوانیم در مسیر پیشگیری بیماری تصلب شریان قدم برداریم دستاورد مهمی خواهد بود. 

به گفته محقق دانشگاه صنعتی امیرکبیر، اگر بتوان در مراحل اولیه‌ درگیری افراد با بیماری، موفق به تشخیص بیماری شد، این تشخیص بیشتر اهمیت  خود را نشان خواهد داد. 

او تاکید کرد: در حال حاضر با کاری که انجام داده‌ایم تنها افراد سالم از بیمار در جامعه آماری تهیه شده مشخص می‌شوند.

بیشتر بخوانید: هوشمندسازی موتورخانه‌ها برای مدیریت مصرف انرژی

گفتنی است استاد راهنمای این پروژه فرزاد توحید خواه، استاد تمام و عضو هیئت علمی دانشگاه صنعتی امیرکبیر بوده است؛ همچنین این طرح با همکاری عباس سلیمانی رئیس بخش قلب و عروق مرکز آموزشی، پژوهشی و درمانی سینا (بیمارستان سینا) انجام گرفت. گلناز بغدادی، دانشجوی پسا دکترا دانشگاه صنعتی امیرکبیر و رویا همت پور، عنبیه شناس در موسسه پیشگامان طب سنتی ایرانیان، نماینده دانشگاه پزشکی سنتی ارمنستان نیز در پیشبرد این پژوهش کمک کردند.

انتهای پیام/ 

منبع: باشگاه خبرنگاران

کلیدواژه: دانشگاه امیر کبیر دانشگاهیان دانشگاه صنعتی امیرکبیر

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.yjc.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «باشگاه خبرنگاران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۷۸۱۰۷۳۴ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

ChatGPT در تشخیص آبسه مغزی شکست خورد

در پژوهش جدیدی که برای ارزیابی توانایی ChatGPT در تشخیص بیماری‌ها انجام شد، این مدل هوش مصنوعی نتوانست آبسه مغزی را به درستی تشخیص دهد.

به گزارش ایسنا، به رغم این که هوش مصنوعی در حال تبدیل شدن به یک بخش اساسی از پژوهش‌های بالینی و تصمیم‌گیری است، بسیاری از افراد هنوز صحت ChatGPT را برای پشتیبانی از فرآیندهای تشخیصی و درمانی پیچیده زیر سوال می‌برند.

به نقل از میراژ نیوز، یک پژوهش جدید که ChatGPT را برای مدیریت کردن «آبسه مغزی»(Brain abscess) به کار گرفته، نشان داده که اگرچه به نظر می‌رسد ChatGPT قادر به ارائه دادن توصیه‌هایی درباره تشخیص و درمان است اما برخی از پاسخ‌های این مدل هوش مصنوعی می‌توانند بیماران را در معرض خطر قرار دهند.

این پژوهش که در کنگره جهانی «انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا»(ESCMID) در شهر بارسلون اسپانیا ارائه شد، توسط اعضای گروه پژوهشی «بیماری‌های عفونی مغز»(ESGIB) انجام شده است.

دکتر «سوزان دایکوف شن»(Susanne Dyckhoff-Shen) از بیمارستان «دانشگاه لودویگ ماکسیمیلیان مونیخ»(LMU) در آلمان و یکی از اعضای انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا گفت: زمانی که با ایمنی بیمار سر و کار دارید، هر نتیجه کمتر از ۱۰۰ درصد یک شکست است. اگرچه ما از دانش ChatGPT درباره مدیریت آبسه‌های مغزی شگفت‌زده شده‌ایم اما محدودیت‌های کلیدی در استفاده از این مدل هوش مصنوعی به عنوان یک دستگاه پزشکی وجود دارد که از جمله آنها می‌توان به آسیب احتمالی بیمار و عدم شفافیت داده‌ها برای ارائه پاسخ اشاره کرد.

توانایی هوش مصنوعی در جذب سریع، پردازش و تفسیر مجموعه داده‌های گسترده، چشم‌انداهای وسوسه‌انگیزی را نشان می‌دهد اما این پرسش نیز به وجود می‌آید که آیا فرآیندهای زمان‌بر برای ایجاد دستورالعمل‌های پزشکی هنوز ضروری هستند یا اینکه مدل‌های هوش مصنوعی آموزش‌دیده با انبوهی از اطلاعات پزشکی می‌توانند در پاسخ به پرسش‌های پیچیده بالینی با کارشناسان بالینی رقابت کنند.

آبسه‌ مغزی یک عفونت تهدیدکننده در سیستم عصبی مرکزی است که برای جلوگیری از عوارض شدید عصبی و حتی مرگ بیمار باید به سرعت شناسایی و درمان شود. مدیریت آبسه‌های مغزی عمدتا براساس تجربه بالینی و پژوهش‌های محدود انجام می‌شود اما انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا در سال ۲۰۲۳، نیاز به یک روش استاندارد را با توسعه یک دستورالعمل بین‌المللی برآورده کرد.

گروهی از پژوهشگران اروپایی برای اینکه بفهمند آیا ChatGPT قادر به ارزیابی حرفه‌ای پژوهش‌های پزشکی و ارائه توصیه‌های معتبر علمی است یا خیر، مدل هوش مصنوعی را آزمایش کردند تا ببینند که آیا در مقایسه با دستورالعمل ESCMID می‌تواند به ۱۰ پرسش کلیدی درباره تشخیص و درمان آبسه مغزی پاسخ دقیق بدهد یا خیر.

پژوهشگران ابتدا از نسخه چهارمChatGPT (ChatGPT 4) خواستند تا به ۱۰ پرسش مطرح‌شده توسط انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا پیرامون دستورالعمل آبسه مغزی آنها پاسخ دهد. پرسش‌ها بدون هیچ گونه اطلاعات اضافی طراحی و ارزیابی شدند.

سپس، ChatGPT با متن همان مقالات پژوهشی آموزش داده شد که برای توسعه دستورالعمل پیش از پرسیدن سؤالات مورد استفاده قرار گرفته بودند. این کار برای بررسی این موضوع انجام شد که آیا ChatGPT با استفاده از داده‌های مشابه به‌ کار رفته برای توسعه دستورالعمل‌ها می‌تواند توصیه‌های هماهنگ‌تری را ارائه دهد یا خیر.

سپس سه متخصص بیماری‌های عفونی، پاسخ‌های هوش مصنوعی را با توصیه‌های دستورالعمل انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا مقایسه کردند تا مواردی را مانند وضوح، هم‌سویی با دستورالعمل و خطر احتمالی برای بیمار ارزیابی کنند.

این پژوهش در «The Journal of Neurology» ارائه شد.

انتهای پیام