هوش مصنوعی دقت رادیولوژیست‌ ها را در تشخیص سرطان پستان افزایش می ‌دهد

01

از 05

ردیابی حرکات چشم برای تحلیل الگوهای توجه پزشکان

پژوهشگران برای پاسخ به این سؤال، از یک سیستم ردیابی حرکات چشم بهره بردند. این سیستم شامل یک دوربین کوچک با دو نور مادون‌قرمز بود، که در مقابل نمایشگر قرار می‌گرفت. این دوربین بازتاب نور از چشم پزشک را ثبت می‌کرد و با محاسبه دقیق موقعیت مردمک‌ها، نشان می‌داد که رادیولوژیست‌ها چه مدتی و به کدام نواحی از تصویر ماموگرافی نگاه می‌کنند.

جسی جی. جی. گومرز، یکی از پژوهشگران این مطالعه گفت: «با تحلیل این داده‌ها می‌توان فهمید که پزشکان روی چه بخش‌هایی از تصویر تمرکز می‌کنند و چقدر زمان صرف آن نواحی می‌شود. این اطلاعات برای درک الگوهای بینایی آنها بسیار ارزشمند است.»

02

از 05

چگونگی تشخیص سریع‌تر سرطان پستان با هوش مصنوعی

در این مطالعه، ۱۲ رادیولوژیست، ۱۵۰ مورد ماموگرافی (شامل ۷۵ مورد دارای سرطان پستان و ۷۵ مورد سالم) را بررسی کردند، که یک بار بدون کمک هوش مصنوعی و بار دیگر با پشتیبانی آن بود.

نتایج نشان داد که دقت تشخیص پزشکان در زمان استفاده از هوش مصنوعی به‌ طور قابل‌ توجهی افزایش یافت، بدون آنکه زمان بررسی افزایش یابد.

داده‌های حاصل از ردیابی چشم نیز نشان داد که پزشکان در حضور اطلاعات هوش مصنوعی، زمان بیشتری را صرف بررسی نواحی با ضایعات واقعی کردند.

گومرز توضیح داد: «زمانی که هوش مصنوعی به یک تصویر نمره‌ پایین خطر می‌دهد، به نظر می‌رسد که خیال پزشکان راحت‌تر می‌شود و سریع‌تر از آن عبور می‌کنند. اما اگر نمره بالا باشد، پزشکان با دقت بیشتری به آن بخش نگاه می‌کنند.»

03

از 05

افزایش دقت تشخیص سرطان پستان با هوش مصنوعی

بر اساس این مطالعه، نشانگرهای ناحیه‌ای که توسط هوش مصنوعی روی تصاویر قرار می‌گیرد، همچون نشانه‌های بصری عمل و توجه پزشکان را به نواحی مهم‌تر جلب می‌کنند. به بیان ساده‌تر، هوش مصنوعی همانند «یک جفت چشم دوم» به یاری رادیولوژیست‌ها می‌آید و باعث افزایش دقت و کارایی آنها در تفسیر تصاویر ماموگرافی می‌شود.

04

از 05

هشدار درباره اتکای بیش‌ازحد به هوش مصنوعی

گومرز تأکید کرد که وابستگی بیش از حد به پیشنهادهای اشتباه هوش مصنوعی می‌تواند باعث نادیده گرفتن سرطان یا ارجاع بی‌مورد بیماران برای تصویربرداری بیشتر شود. با وجود این، مطالعات متعدد نشان داده‌اند که هوش مصنوعی می‌تواند عملکردی مشابه با رادیولوژیست‌ها در تفسیر ماموگرافی داشته باشد.

گومرز تصریح کرد: «برای کاهش خطاها، بسیار مهم است که سیستم‌های هوش مصنوعی دقت بالایی داشته باشند و پزشکان همچنان مسئولیت تصمیم نهایی خود را بپذیرند. آموزش رادیولوژیست‌ها برای تفسیر انتقادی اطلاعات ارائه‌شده توسط هوش مصنوعی، یک ضرورت است.»

05

از 05

تحقیقات آینده

پژوهشگران در حال انجام مطالعات بیشتری هستند تا تعیین کنند بهترین زمان ارائه اطلاعات هوش مصنوعی چه زمانی است. آیا باید از همان ابتدای بررسی نمایش داده شود یا تنها در صورت درخواست پزشک این کار انجام شود؟ همچنین آنها در حال توسعه روش‌هایی برای شناسایی مواردی هستند که هوش مصنوعی در تصمیم‌گیری خود دچار عدم قطعیت است.

گومرز عنوان کرد: «این قابلیت به ما امکان می‌دهد تا پشتیبانی هوش مصنوعی را به‌ صورت انتخابی و فقط در مواقعی که واقعاً مفید است، ارائه کنیم.»