این مدل هوش مصنوعی سکته مغزی را به سرعت تشخیص می‌ دهد

01

از 06

سکته مغزی دومین عامل مرگ‌ومیر در جهان

سکته مغزی دومین علت اصلی مرگ‌ومیر در سراسر جهان به حساب می‌آید. نوع ایسکمیک این بیماری، ارتباط تنگاتنگی با رسوبات آترواسکلروتیک دارد. تشخیص دقیق این نوع سکته، نیازمند جداسازی و تحلیل دقیق رسوبات و دیواره رگ‌ها است. اما روش‌های دستی فعلی، وقت‌گیر، وابسته به تخصص پزشک و در بسیاری موارد ناکارآمد هستند. از سوی دیگر، ابزارهای خودکار موجود نیز دقت کافی برای استفاده بالینی را ندارند.

این موانع، تشخیص به‌موقع و درمان موثر سکته مغزی ایسکمیک را با مشکل مواجه کرده‌اند.

02

از 06

تشخیص خودکار سکته مغزی با کمک MRI

در این مطالعه که به‌تازگی در مجله European Radiology منتشر شده است، پژوهشگران به رهبری دکتر ژانگ نا از مؤسسه فناوری پیشرفته شنژن (SIAT) وابسته به آکادمی علوم چین، با همکاری پژوهشگران دیگر، روشی نوین برای جداسازی و تحلیل دقیق رسوبات آترواسکلروتیک توسعه دادند.

این روش بر پایه تصویربرداری با وضوح بالا از دیواره عروق مغزی با استفاده از MRI طراحی شده است و از دو تکنیک کلیدی بهره می‌برد:

• مدل یادگیری عمیق چندوظیفه‌ای (Multi-task) برای جداسازی رگ و دیواره آن با نام Vessel-SegNet
• روش دو مرحله‌ای هدایت‌شده با ساختار برای جداسازی دقیق رسوبات کوچک با استفاده از شباهت‌های ساختاری میان دیواره رگ و رسوبات بر پایه الگوریتم Tversky-loss

03

از 06

آزمایش روی داده‌های واقعی از بیماران

در این پژوهش، داده‌های تصویربرداری MRI از ۱۹۳ بیمار با رسوبات آترواسکلروتیک در پنج مرکز مختلف جمع‌آوری شد. این داده‌ها به سه بخش تقسیم شدند:

• ۱۰۷ بیمار برای آموزش و اعتبارسنجی مدل هوش مصنوعی
• ۳۹ بیمار برای آزمون داخلی
• ۴۷ بیمار برای آزمون خارجی

04

از 06

دقت بالای هوش مصنوعی در تشخیص رسوبات و رگ‌ها

مدل هوش مصنوعی جدید با دقت بالایی (بیش از ۹۰ درصد) توانست بخش‌های داخلی و دیواره رگ‌ها را تشخیص دهد. زمانی که اطلاعات قبلی درباره دیواره رگ‌ها به مدل اضافه شد، دقت شناسایی رسوبات خطرناک ۱۰ درصد بهتر شد و به ۸۸٫۵ درصد رسید. همچنین با تغییر روش محاسبه خطا در مدل، دقت تشخیص باز هم ۳ درصد افزایش یافت و به ۸۲٫۸ درصد رسید.

05

از 06

پردازش اطلاعات هر بیمار در کمتر از ۳ ثانیه

برخلاف روش‌های دستی که نیازمند زمان و تخصص زیاد هستند، مدل هوش مصنوعی جدید پژوهشگران قادر است در کمتر از سه ثانیه، جداسازی رسوبات را به‌ صورت خودکار و دقیق انجام دهد و مشخصات آنها را به‌ طور کمی ارزیابی کند.

06

از 06

کمک به تصمیم‌گیری بالینی در تشخیص سکته مغزی

دکتر ژانگ نا در این‌باره گفت: «هدف ما از این پژوهش، استفاده از مدل‌های هوش مصنوعی برای دستیابی به نتایجی دقیق، قابل تکرار و بالینی است تا بتوانیم به پزشکان در تشخیص سکته و تصمیم‌گیری درمانی کمک کنیم.»

وی تصریح کرد: «ما در آینده، نیازمند انجام مطالعات بیشتری با تجهیزات و جمعیت‌های مختلف و در نواحی آناتومیکی گوناگون هستیم تا از پایداری و صحت نتایج اطمینان حاصل کنیم.»