شناسایی بیماری قلبی با تصویربرداری از زبان و تحلیل هوش مصنوعی
کارت خوب: پژوهشگران چینی برمبنای روش های تشخیصی پزشکی سنتی چین یک الگوریتم هوش مصنوعی ابداع نموده اند که می تواند به تشخیص سریع بیماری عروق کرونری قلب برمبنای تصویربرداری از زبان بیماری یاری برساند.
به گزارش گروه علم و آموزش ایرنا از مدیکال اکسپرس، بیماری عروق کرونر Coronary Artery Disease (CAD)، (CAD) که متداول ترین علت مرگ غیرطبیعی در جهان است از باریک شدن یا انسداد عروق کرونری قلب، در اثر تجمع پلاک رخ می دهد. عروق کرونری، رگ هایی هستند که خون حاوی اکسیژن را به قلب می رسانند. هرگونه انسداد یا باریک شدگی در این شریان ها، حجم خون منتهی به قلب را می کاهد.
بنا بر اعلام سازمان جهانی بهداشت، این بیماری سبب مرگ سالانه ۱۷.۹ میلیون نفر در جهان می شود. آنژیوگرافی عروق قلبی بهترین شیوه برای تشخیص این بیماری؛ اما پرهزینه و تهاجمی است و خطرهایی را برای بیمار بوجود می آورد همین طور برای تشخیص زودهنگام مناسب نمی باشد.
یک گروه تحقیقاتی در دانشگاه پکن در جستجوی شیوه تشخیصی ایمن تر و کم هزینه تر، از هوش مصنوعی برای ساخت یک الگوریتم تشخیصی برمبنای تصویر زبان بهره برده است. تحقیقات اخیر درباره ی توسعه مدلهای تشخیصی برای بیماری عروق کرونر بر عامل های ریسک بالینی تمرکز داشته اند. مطالعات اخیر همین طور مشخص کرده اند اجزای بیولوژیک بیشتری مانند امواج نبض (پالس) و علامت های صورت امکان دارد نقش مهمی در تشخیص بیماری عروق کرونر داشته باشند. هر چند نشانه ها و علائم یک بیمار پایه و اساس تشخیص بالینی را می سازند، پژوهشگران متوجه شدند پزشکی سنتی چینی راه و روش متفاوتی دارد و بسیار موثر است.
محققان این مطالعه جدید می نویسند: پزشکی سنتی چینی از راهبردهای تشخیصی منحصر به فرد و موثری استفاده می نماید، بیماری های داخلی را ناشی از علائم خارجی می داند و از این امکان مشاهده و تشخیص شدت بیماری وجود دارد.
یکی از راه های کلیدی این تکنیک تشخیص زبانی و شامل مشاهده و ارزیابی رنگ و شکل و علائم روی زبان است. زبان مملو از عصب ها و مویرگ های خونی است و بعنوان بخش مهمی از سیستم قلبی و عروقی کار و با بروز و پیشروی بیماری به خصوص بیماری های اثرگذار بر گردش خون، شکل ظاهری زبان تغییر می کند.
این پژوهشگران برای ساختن ساختار یادگیری ماشینی مورد نیاز، شبکه ResNet-۱۸ را انتخاب کردند که با مجموعه ای از داده ها از ImageNet از پیش آموزش داده شده است. این پژوهشگران چند الگوریتم یادگیری ماشین را ارزیابی و در نهایت XGBoost را انتخاب کردند که بهترین نتایج را در این حوزه داشت. این الگورتیم تشخیص بیماری عروق کرونر بهترین نتایج را درباره ی بیماران در سنین ۶۵ سال و بالاتر داشته است همین طور در مواردی که سه فاکتور ریسک یا بیشتر وجود داشته نیز نتیجه تشخیصی بهتری داشته است.
این پژوهشگران می گویند کارهای مطالعاتی آینده باید شامل جمعیت مورد مطالعه بزرگتر و متنوع تری باشد تا مدل تشخیصی خودرا بهینه سازی و تایید کنند.
منبع: كارت خوب
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب