تشخیص آب مروارید با استفاده از کامپیوتر

به گزارش کلیک، محققان توانسته اند یک سیستم هوش مصنوعی جدید ایجاد کنند که بیماری آب مروارید چشم مادرزادی را که یک بیماری نادر است را تشخیص دهد. یک روز این سیستم می تواند دیگر بیماری های نادر چشم را نیز تشخیص دهد.

در یک مطالعه جدید که اخیرا در چین انجام شده است، محققان با استفاده از شبکه های عصبی مصنوعی به نام CC-Cruiser یک سیستم هوش مصنوعی ایجاد کرده اند که مانند پزشکان بیماری چشمی را تشخیص می دهد. این شبکه یک شبکه مصنوعی عصبی کانولوشن است که براساس روشی که نورون های مغز انسان بینایی را سازماندهی می کنند کار می کند.

دانشمندان با ایجاد این سیستم در پی آن بودند که ببینند آیا شبکه های مصنوعی عصبی می تواند بیماری های نادری که ۱۰ درصد از جمعیت جهان را درگیر می کنند را شناسایی کنند یا خیر.

محققان معتقدند که همان طور که هوش مصنوعی می تواند در برابر بازیکنان انسانی بازی کند، بنابراین می تواند مانند یک پزشک انسان نیز عمل کند.

تحقیقات قبلی نشان می دهد که شبکه های عصبی کانولوشن در اسکن داده برای تشخیص تصاویر خوب عمل می کند. دانشمندان استدلال می کنند که شبکه عصبی کانولوشن می تواند در اسکن تصاویر چشم برای تشخیص بیماری مادرزادی آب مرواردید موثر باشد. آب مروارید مادرزادی می تواند یک ابر روی عدسی چشم کودک از بدو تولد قرار می گیرد و می تواند به از دست دادن بینایی غیر قابل برگشت منجر شود.

محققان برای اولین بار با استفاده از تصاویر گرفته شده به عنوان بخشی از برنامه آب مرواردید دوران کودکی وزارت بهداشت چین CC-Cruiser را آموزش دادند. این عکس ها شامل ۴۷۶ تصویر از چشم کودکان سالم و ۴۱۰ عکس از کودکان مبتلا به آب مروارید مادرزادی است.

بعد از آموزش، محققان شبکه را آزمایش کردند. آن ها داده های ۵۷ بیمار را که شامل ۴۳ عکس چشم سالم و ۱۴ عکس چشم مبتلا به آب مروارید مادرزادی را به CC-Cruiser دادند. شبکه عصبی تعداد قابل توجهی از آب مروارید را تشخیص داد. این سیستم ۹۸٫۲۵ درصد دقت داشته است.

سپس در یک آزمون سخت تر، محققان از نادر بودن بیماری آب مروارید مادرزادی تقلید کردند.در این آزمایش دانشمندان ۳۰۰ مورد داده فرد سالم را به سیستم دادند و فقط سه مورد تصویر بیمار مبتلا به آب مروارید مادرزادی به سیستم دادند . شبکه عصبی توانست موارد عادی را حذف کند . سه مورد آب مروارید را شناسایی کرده و سپس ارزیابیو تصمیم گیری های دقیقی از درمان را پیشنهاد داد.

زمانی که ۱۳ تصویر چشم نرمال و ۴۰ تصویر آب مروارید از اینترنت به سیستم دادند، نسبت به آزمایش قبل موفقیت کمتری کسب کند. شبکه عصبی توانست ۹۲٫۴۵ درصد آب مروارید را درست تشخیص دهد و محل آب مروارید را با دقت ۹۴٫۸۷ درصد شناسایی کرد و با دقت ۸۹٫۷۴ درصد درمان مناسب را پیشنهاد داد.

این اختلاف ممکن است به علت تفاوت در روشنایی تصاویر، دستگاه تصویر برداری و زاویه و رزولوشن تصویر باشد.

پژوهشگران دقت CC-Cruiser را با چشم پزشکان در دنیای واقعی مقایسه کردند. آن ها شبکه عصبی و سه چشم پزشک را با هم مقایسه کردند. در این آزمایش شبکه عصبی به خوبی انسان عمل کرد. برای مثال، CC-Cruiser همه بیماران که آب مروارید مادرزادی داشتند را تشخیص دادند ولی سه چشم پزشک یک مورد را نتوانستند تشخیص دهند.

در حال حاضر، با توجه به اینکه ساخت مرکز مراقبت های تخصصی اغلب بسیار گران است و از آنجایی که بیماران در یک جا متمرکز نیستند و در نقاط مختلفی قرار دارند هزینه کافی برای ایجاد مراکز تخصصی متنوع وجود ندارد. این استدلال از سوی محققان وجود دارد که شبکه های عصبی مصنوعی می تواند از طریق اینترنت به ارایه خدمات تخصصی تشخیصی کامپیوتری در بسیاری از بیمارستان ها کمک کننده باشد.

برای این منظور، محققان یک وب سایت برای توسعه CC-Cruiser ایجاد کردند. بیمارستان ها می توانند داده های بالینی بیمار را در پلتفرم مبتنی بر رایانش ابری آپلود کنند تا شبکه عصبی آن را ارزیابی نماید. از طریق این وب سایت، بیمار و پزشک می توانند با یکدیگر تعامل داشته باشند.

احتمالا این سیستم بتواند در آینده برای تشخیص دیگر بیماری ها از طریق تصویربرداری پزشکی کار کند.