محققان دانشگاه ولز جنوبی (USW) در حال کار بر روی توسعه اپلیکیشنی هستند که می تواند به ساده سازی تشخیص سرطان پوست کمک کند.
به سرپرستی دانشیار دکتر یانوش کولون، تیم USW با همکاری هیئت سلامت دانشگاه کاردیف و ویل، از هوش مصنوعی برای کمک به تجزیه و تحلیل دادههای ناشناس جمعآوریشده از بیماران NHS استفاده کردهاند.
این پروژه برای توسعه ابزاری تنظیم شد که به پزشکان عمومی کمک کند تا سرطان های بالقوه پوست را راحت تر شناسایی کنند و سپس بیماران را به متخصصان ارجاع دهند تا درمان مورد نیاز را مدیریت کنند.
دکتر کولون گفت: «درماتولوژیستها در گذشته از تعداد ارجاعاتی که از پزشکان عمومی دریافت کردهاند غرق شدهاند.
از آنجایی که پزشکان عمومی برای تشخیص علائم بدخیم بالقوه روی پوست بیمار آموزش ندیدهاند، اساساً باید هر مورد احتمالی را برای تجزیه و تحلیل ارسال میکردند.»
این تیم با دسترسی به دادههای هزاران بیمار NHS و نتایج تجزیه و تحلیل مشکلات پوستی احتمالی آنها، در تلاش است تا این برنامه را توسعه دهد تا به پزشکان عمومی در تصمیمگیری در مورد نیاز به ارجاع به متخصص کمک کند.
با دسترسی به دادههای بیمار و نتایج معاینات توسط متخصصان، از جمله نتایج هیستوپاتولوژی، میتوانیم ویژگیهای خاص هر گونه ناهنجاری را که بهویژه از نظر تشخیصی چالش برانگیز است، شناسایی کنیم و یک سیستم عینیتر برای حمایت از پزشکان عمومی در تشخیص ضایعات پوستی ایجاد کنیم. دکتر کولون گفت.
با این دادهها، سیستم هوش مصنوعی میتواند یاد بگیرد که به دنبال چه چیزی باشد، ویژگیهایی را که از نظر بالینی مهم هستند برجسته کند و سپس آن را به کادر پزشکی نشان دهد.»
دکتر کولون گفت که این پروژه تکنیکهای مختلفی را بررسی کرده است که میتواند ویژگیهای بالینی مهم را مشخص کند – مانند شکل، رنگ، عدم تقارن، بینظمی مرزی و ساختارهای پوستی ضایعات – که میتواند نشانههایی از هرگونه رشد بدخیم را ارائه دهد.
با گرفتن تصاویر منظم از ضایعات، می توان هرگونه تغییر را علامت گذاری کرد تا اطمینان حاصل شود که نگرانی ها با متخصصان مطرح می شود. در حالی که مفهوم پشت برنامه توسعه یافته است، کار بیشتری برای اطمینان از قابلیت استفاده در دنیای واقعی مورد نیاز است.
دکتر کولون افزود: «اما چیزی که این نیست، جایگزینی برای تخصص انسانی است. ما در حال ایجاد جعبه سیاه پزشکی دیگری نیستیم، بلکه الگوریتم هوش مصنوعی کاملا قابل تفسیر برای پشتیبانی از ارزیابی تشخیصی است. وقتی برنامه توسعه مییابد، ابزاری است که متخصصان را در کارشان پشتیبانی میکند، یک جفت چشم اضافی که میتواند به کارآمدتر کردن سیستم تشخیص کمک کند.
نقطه پایانی این پروژه یک اپلیکیشن است که از طریق یک کارآزمایی بالینی تایید شده است
«آنچه در حال حاضر داریم مجموعهای از الگوریتمهایی است که برای کمک به سیستم برای یادگیری و درک اینکه چگونه تغییرات در ضایعات در گذشته بر بیماران تأثیر گذاشته است و چگونه میتوان از این دانش در آینده برای حمایت از تصمیم استفاده کرد، در حال توسعه است. -فرآیند ساخت متخصصان.
آخرین دیدگاهها