وقتی هوش مصنوعی دیابت را تشخیص میدهد!
تاریخ انتشار: ۱۸ فروردین ۱۴۰۱ | کد خبر: ۳۴۷۲۹۹۷۳
پژوهشگران آمریکایی در بررسی جدید خود، یک مدل هوش مصنوعی را برای تشخیص دادن دیابت نوع دو به کار گرفتهاند.
به گزارش ایران اکونومیست و به نقل از مجله "رادیولوژی"(Radiology)، گروهی از پژوهشگران آمریکایی با استفاده از یک مدل هوش مصنوعی تمام اتوماتیک موفق شدهاند نشانههای ابتدایی دیابت نوع دو را در تصاویر سیتی اسکن شناسایی کنند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
دیابت نوع دو تقریبا ۱۳ درصد از بزرگسالان آمریکا را تحت تاثیر قرار داده است و ۳۴.۵ درصد دیگر از بزرگسالان این کشور نیز تحت تاثیر پیشدیابت قرار دارند. به خاطر آغاز کند نشانههای دیابت، مهم است که این بیماری در مراحل آغازین خود تشخیص داده شود. برخی از موارد ابتلا به پیشدیابت میتوانند تا هشت سال طول بکشند. تشخیص زودتر، به بیماران امکان خواهد داد تا تغییراتی را در سبک زندگی خود اعمال کنند و روند پیشروی بیماری را تغییر دهند.
"رونالد سامرز"(Ronald Summers)، پژوهشگر "مرکز بالینی مؤسسه ملی سلامت آمریکا"(NIH Clinical Center) و پژوهشگر ارشد این پروژه گفت: سیتی اسکن میتواند یک روش امیدوارکننده برای تشخیص دیابت نوع دو باشد. این روش در حال حاضر به صورت گسترده در بررسیهای بالینی به کار میرود و میتواند اطلاعات قابل توجهی را در مورد پانکراس ارائه دهد. پژوهشهای پیشین نشان دادهاند که بیماران مبتلا به دیابت نسبت به بیماران غیر دیابتی، تجمع چربی بیشتری در پانکراس و چربی احشایی بیشتری دارند. با وجود این، پژوهش زیادی برای بررسی کبد، عضلات و رگهای خونی اطراف پانکراس انجام نشده است.
"هیما تالام"(Hima Tallam)، از پژوهشگران این پروژه گفت: بررسی ویژگیهای مربوط به پانکراس و بیرون از پانکراس، یک روش جدید به شمار میرود و تا جایی که ما میدانیم، در پژوهشهای پیشین مورد استفاده قرار نگرفته است.
به گفته پژوهشگران، تحلیل تصاویر سیتی اسکن توسط یک رادیولوژیست یا یک متخصص آموزشدیده، روشی زمانبر و دشوار است. برای برطرف کردن چالشهای بالینی باید بهبودهایی در تحلیل اتوماتیک تصاویر پانکراس حاصل شود.
سامرز و همکارانش در این پژوهش، با "پِری پیکهارت"(Perry Pickhardt)، استاد رادیولوژی "دانشگاه ویسکانسین-مدیسن"(UW–Madison) همکاری کردند و پایگاه داده مربوط به بیمارانی را مورد بررسی قرار دادند که در بیمارستان دانشگاه ویسکانسین-مدیسن، با سیتی اسکن تحت غربالگری سرطان روده بزرگ قرار گرفته بودند.
از میان ۸۹۹۲ بیماری که بین سالهای ۲۰۰۴ تا ۲۰۱۶ مورد بررسی قرار گرفته بودند، ۵۷۲ نفر مبتلا به دیابت نوع دو و ۱۸۸۰ نفر مبتلا به قند خون غیرطبیعی بودند. قند خون غیرطبیعی، به شرایطی گفته میشود که سطح قند خون در آن، بیش از اندازه پایین یا بالا باشد.
پژوهشگران برای ابداع مدل یادگیری ماشینی، از ۴۷۱ تصویر به دست آمده از مجموعه دادههای گوناگون استفاده کردند. این تصاویر به سه زیرگروه تقسیم شدند. ۴۲۴ تصویر برای آموزش، هشت تصویر برای اعتبارسنجی و ۳۹ تصویر برای تنظیمات آزمایشی به کار رفتند.
مدل یادگیری عمیق، نتایجی عالی را به نمایش گذاشت و نشان داد که تفاوتی میان این نتایج با نتایج به دست آمده از تحلیلهای معمول وجود ندارد.
سامرز گفت: ما دریافتیم که دیابت با چربی بالاتر در پانکراس و شکم بیماران همراه است. چربی بیشتر در این دو ناحیه موجب میشود که بیماران بیشتر و برای مدت طولانیتری به دیابت مبتلا شوند.
پژوهشگران گفتند: این پژوهش، گامی به سوی استفاده گستردهتر از روشهای خودکارسازیشده برای برطرف کردن چالشهای بالینی است. همچنین ممکن است به پژوهشهای آینده در مورد بررسی دلیل تغییرات پانکراس که در بیماران مبتلا به دیابت رخ میدهند، کمک کند.
منبع: خبرگزاری ایسنا برچسب ها: دیابت ، هوش مصنوعی ، دیابت نوع 2 ، پانکراس ، چربی
منبع: ایران اکونومیست
کلیدواژه: دیابت هوش مصنوعی دیابت نوع 2 پانکراس چربی دیابت نوع دو هوش مصنوعی سی تی اسکن
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت iraneconomist.com دریافت کردهاست، لذا منبع این خبر، وبسایت «ایران اکونومیست» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۴۷۲۹۹۷۳ 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:
هوش مصنوعی جهتگیری سیاسی افراد را از روی چهره تشخیص میدهد
به گزارش خبرگزاری علم و فناوری آنا به نقل از اینترستینگ اینجینرینگ، از آنجایی که هوش مصنوعی با سرعتی طوفانی بر عصر دیجیتال تسلط یافته است، تعیین مزایا و معایب این فناوری چالش برانگیزتر شده است. این امر، تعیین استانداردها و سیاستهای تنظیم فناوری را برای دولتهای سراسر جهان دشوارتر کرده است.
اکنون، مطالعه جدیدی که توسط محققان دانشکده تحصیلات تکمیلی بازرگانی دانشگاه استنفورد انجام شده است به بررسی تأثیرات هوش مصنوعی بر تشخیص جهتگیری سیاسی افراد میپردازد. در این مطالعه نشان داده شده است که جهتگیری سیاسی میتواند توسط انسان یا هوش مصنوعی و با استفاده از تصاویر چهره افراد پیشبینی شود، حتی زمانی که عواملی مانند سن، جنسیت و نژاد در نظر گرفته شده باشند.
کشف ارتباط میان تمایلات سیاسی و ویژگیهای چهره
پژوهشگران پاسخهای ۵۹۱ نفر از شرکتکنندگانی که پرسشنامههای سیاسی را پر کردهاند، مورد بررسی قرار دادند. آنها همچنین اسکن صورت افراد را توسط الگوریتم هوش مصنوعی و ارزیابیکنندههای انسان بررسی و ارتباط بین مورفولوژی چهره و ایدئولوژی سیاسی را پیدا کردند.
این مطالعه همچنین ۳۴۰۱ سیاستمدار از ایالات متحده، بریتانیا و کانادا را مورد تجزیه و تحلیل قرار داد.
به نظر میرسد هوش مصنوعی با ضریب همبستگی (r) برابر با ۰.۲۲ و انسانها با ضریب همبستگی ۰.۲۱، میتوانند به درستی جهتگیری سیاسی را پیشبینی کنند.
این دقت پیشبینی قابل توجه است، زیرا مقیاس جهتگیری سیاسی دارای سطح بالایی از همسانی داخلی (α کرونباخ = ۰.۹۴) بوده و با حذف همبستگی با متغیرهای جمعیتشناختی مانند سن، جنسیت و نژاد تنظیم شده است.
نتایج نشان داد که توانایی فناوری تشخیص چهره برای پیشبینی جهتگیری سیاسی به طور مشابه با روشهای پیشبینی موجود قابلیت پیشبینی را دارد.
نویسندگان تاکید کردند: این نشان دهنده ارتباط بین تمایلات سیاسی و ویژگیهای ذاتی چهره است که تا حد زیادی خارج از کنترل فرد است.
بر اساس این مطالعه، دقت پیشبینی الگوریتم با ضریب همبستگی ۰.۳۱ بیشتر شد. این نشان داد که در نظر گرفتن متغیرهای جمعیت شناختی با ویژگیهای چهره میتواند به طور قابل توجهی تواناییهای پیش بینی الگوریتم را بهبود بخشد.
در هنگام پیشبینی، این مطالعه ادعا کرده است که لیبرالها دارای چهرههای کوچکتر و ویژگیهای متحرک به سمت پایین هستند، در حالی که محافظهکاران ویژگیهای چهره متضادی را نشان میدهند.
قابلیت پیش بینی جهت گیری سیاسی از تصاویر استاندارد شده پیامدهای مهمی برای حفظ حریم خصوصی، تنظیم فناوری تشخیص چهره و درک منشاء و پیامدهای جهت گیری سیاسی دارد.
هوش مصنوعی جهتگیری سیاسی را از تصاویر چهره خنثی تشخیص میدهد
اکنون، این فناوری میتواند جهت گیری سیاسی افراد را فقط از روی تصاویر چهره خنثی آنها و علیرغم در نظر گرفتن عوامل جمعیتی مانند سن، جنسیت و قومیت تشخیص دهد.
این یافتهها منعکسکننده پیامدهای سیاسی نظارت بیومتریک است که از الگوریتمهای هوش مصنوعی استفاده میکند و تهدید جدیدی برای حریم خصوصی و استقلال سیاسی در عصر دیجیتال است.
محققان با تاکید بر نیاز فوری به مقابله با چالشهای عصر دیجیتال، اظهار داشتند: یافتههای ما بر ضرورت تشخیص و رسیدگی به خطرات احتمالی فناوری تشخیص چهره برای حریم خصوصی شخصی برای محققان، مردم و سیاستگذاران تاکید میکند.
این مطالعه در مجله امریکن سایکولوژیست منتشر شده است.
انتهای پیام/