وقتی هوش مصنوعی دیابت را تشخیص میدهد
تاریخ انتشار: ۲۰ فروردین ۱۴۰۱ | کد خبر: ۳۴۷۴۹۶۷۱
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.
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.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
"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: مجله "رادیولوژی" (Radiology)
باشگاه خبرنگاران جوان علمی پزشکی بهداشت و درمانمنبع: باشگاه خبرنگاران
کلیدواژه: هوش مصنوعی دیابت دیابت نوع دو سی تی اسکن
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 ۳۴۷۴۹۶۷۱ 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:
تشخیص گرایش سیاسی افراد از روی چهرهشان توسط هوش مصنوعی
هوش مصنوعی میتواند جهتگیری سیاسی افراد را از روی چهرههایشان پیشبینی کند که البته مباحثی را درباره تهدید حریم خصوصی به میان آورده است.
به گزارش ایسنا، پژوهشگران پس از مطالعهای که نشان داد هوش مصنوعی میتواند در پیشبینی جهتگیری سیاسی افراد بر اساس تصاویر چهرههای بدون حالت و بی احساس آنها موفق باشد، هشدار میدهند که فناوریهای تشخیص چهره «تهدیدکنندهتر از آنچه قبلاً تصور میشد» هستند و «چالشهای جدی برای حفظ حریم خصوصی» ایجاد میکنند،
به نقل از نیویورک پست، مطالعهای که به تازگی در مجله American Psychologist منتشر شده است، میگوید که توانایی الگوریتم هوش مصنوعی برای حدس زدن دقیق دیدگاههای سیاسی یک فرد خیره کننده است.
مایال کوزینسکی نویسنده اصلی این مطالعه گفت که ۵۹۱ شرکتکننده یک پرسشنامه درباره گرایش سیاسی را قبل از اینکه هوش مصنوعی گرایش سیاسی آنها را از چهرهشان توصیف کند، پر کردند و هوش مصنوعی تحلیل خود را با پایگاه داده حاصل از آن پرسشنامهها برای پیشبینی گرایش سیاسی آنها مقایسه کرد.
کوزینسکی که دانشیار رفتار سازمانی در دانشکده تحصیلات تکمیلی بازرگانی دانشگاه استنفورد است، میگوید: من فکر میکنم که مردم متوجه نمیشوند که صرفاً با در اختیار قرار دادن یک عکس، چقدر خود را در معرض شناخت قرار میدهند.
ما میدانیم که گرایش جنسی، گرایش سیاسی و دیدگاههای مذهبی مردم باید محافظت شود. این قبلا متفاوت بود. در گذشته میتوانستید به حساب فیسبوک هر کسی وارد شوید و مثلاً دیدگاههای سیاسی، پسندها و صفحاتی که دنبال میکند را ببینید. اما سالها پیش فیسبوک این قابلیت را مسدود کرد، زیرا برای سیاستگذاران، فیسبوک و روزنامهنگاران واضح بود که از نظر حریم خصوصی قابل قبول نیست و خیلی خطرناک است.
اما همچنان میتوان به فیسبوک رفت و عکس هر کسی را دید. شخصی که عکسش را میبینید احتمالا هرگز شما را ندیده است و هرگز گرایش سیاسی خود را با شما به اشتراک نگذاشته است. با این حال، آنچه این مطالعه جدید نشان داده این است که تنها از روی عکس یک فرد، هر چند بدون احساس و حالت باشد، گرایش سیاسی وی را حدس زد.
پژوهشگران برای این مطالعه تصاویر شرکت کنندگان را به شیوهای بسیار کنترل شده جمعآوری کردند.
آنها میگویند شرکت کنندگان یک تیشرت مشکی ساده پوشیده بودند و زیورآلات خود را درآورده بودند و در صورت لزوم ریش خود را اصلاح کرده بودند. سپس از دستمال مرطوب صورت برای از بین بردن لوازم آرایشی استفاده شد تا زمانی که هیچ چیز روی پوست آنها باقی نماند. موهای بلند آنها با استفاده از کش مو، سنجاق مو و هدبند به عقب کشیده شد و در عین حال مراقب بودند که موهایشان بیرون نیاید.
سپس الگوریتم تشخیص چهره VGGFace۲ تصاویر چهره آنها را بررسی کرد.
نویسندگان میگویند، یافتههای آنها بر ضرورت تشخیص و رسیدگی به خطرات احتمالی فناوری تشخیص چهره برای حریم خصوصی افراد تأکید میکند.
آنها افزودند: شاید مهمتر از همه اینکه یافتههای ما نشان میدهد که فناوریهای نظارت بیومتریک گستردهتر از آنچه قبلا تصور میشد، تهدیدکننده هستند. در هر حال نتایج ما نشان میدهد که ویژگیهای صورت حتی در حالت خنثی و بدون ابراز احساسات نیز مقدار قابل توجهی از نشانهها را منتقل میکند که استفاده از فناوری تشخیص چهره میتواند نشان دهنده کنترل کمتر افراد بر حریم خصوصی خود باشد.
کوزینسکی میگوید، الگوریتمها را میتوان به راحتی برای میلیونها نفر به شکل بسیار سریع و ارزان اعمال کرد و مطالعه ما بیشتر یک داستان هشداردهنده در مورد این فناوری است که در تلفن همه وجود دارد و در همه جا به وفور استفاده میشود.
پژوهشگران در پایان به این نتیجه رسیدند که حتی تخمینهای خام از ویژگیهای شخصیتی افراد میتواند کارایی کمپینهای متقاعدسازی انبوه آنلاین را به طور قابل توجهی بهبود بخشد و پژوهشگران، مردم و سیاستگذاران باید توجه داشته باشند و سیاستهای سختگیرانهای را برای تنظیم ضبط و پردازش تصاویر چهره در نظر بگیرند.
انتهای پیام