چکیده مطلب
اورژانس و کلینیک‌های مراقبت‌های فوری معمولاً شلوغ هستند و بیماران اغلب باید ساعت‌ها منتظر بمانند تا بتوانند ویزیت، ارزیابی و درمان شوند. انتظار برای جواب اشعه ایکس توسط رادیولوژیست‌ها می‌تواند این مدت زمان انتظار طولانی را افزایش دهد، زیرا رادیولوژیست‌ها اغلب تعداد زیادی بیمار دارند که باید جواب اشعه ایکس تمام آنها را بخوانند.
یک مطالعه جدید نشان داده است که هوش مصنوعی (AI) می‌تواند به پزشکان در تفسیر اشعه ایکس پس از آسیب و شکستگی محتمل کمک کند.
در این مطلب جذاب با دکتر محمدعلی اخوت پور، متخصص ارتوپدی همراه باشید تا اطلاعات جالبی در خصوص این هوش مصنوعی به دست آورید.
الگوریتم هوش مصنوعی در شناسایی اشعه ایکس
الگوریتم هوش مصنوعی می‌تواند به سرعت و به طور خودکار اشعه ایکس را که برای تشخیص شکستگی‌ها مفید است شناسایی کرده و یافته‌ها را در سیستم علامت گذاری کند تا رادیولوژیست‌ها بتوانند خواندن اشعه ایکس با وجود شکستگی‌های را در اولویت قرار دهند. این سیستم همچنین مناطق مورد نظر را با ایجاد علائمی در اطراف مناطقی که مشکوک به شکستگی هستند، برجسته می‌کند. این امر به طور بالقوه می‌تواند به کمتر شدن زمان انتظار هنگام مراجعه به بیمارستان یا کلینیک قبل از تشخیص وجود شکستگی کمک کند.
مزیت استفاده از الگوریتم هوش مصنوعی برای شناسایی شکستگی‌ها
خطا در تفسیر شکستگی تا 24 درصد از خطاهای تشخیصی مضر مشاهده شده در بخش اورژانس را نشان می‌دهد. علاوه بر این، هماهنگ نبودن و متناقض بودن تشخیص رادیوگرافی شکستگی‌ها در ساعات عصر و شب (5 بعد از ظهر تا 3 بامداد) شایع‌تر است که احتمالاً مربوط به خواندن غیر تخصصی و خستگی است.
الگوریتم هوش مصنوعی (AI BoneView)، برای خواندن تعداد بسیار زیادی از نتایج اشعه ایکس از چندین مؤسسه برای تشخیص شکستگی‌های اندام، لگن، بالاتنه و ستون فقرات کمری و قفسه سینه مورد بررسی قرار گرفت. رادیولوژیست‌های اسکلتی عضلانی که پزشکان فوق تخصصی رادیولوژی پس از دریافت آموزش متمرکز در خواندن اشعه ایکس استخوان هستند، در این بررسی حضور دارند. در ادامه استاندارد طلایی در این مطالعه تعریف و عملکرد خوانندگان با و بدون کمک هوش مصنوعی مقایسه شد.
الگوریتم هوش مصنوعی چگونه آزمایش شد؟
از طیف وسیعی از افرادی که تصاویر اشعه ایکس را بدون استفاده از هوش مصنوعی می‌خوانند، از جمله رادیولوژیست‌ها، جراحان ارتوپدی، پزشکان اورژانس و دستیاران پزشک، روماتولوژیست‌ها و پزشکان عمومی خواسته شد در این مطالعه همکاری کنند. دقت تشخیصی شکستگی هر خواننده با و بدون کمک هوش مصنوعی، با استاندارد طلایی مقایسه شد.
آنها همچنین عملکرد تشخیصی هوش مصنوعی را به تنهایی با استاندارد طلایی ارزیابی کردند. کمک هوش مصنوعی به کاهش میزان عدم تشخیص شکستگی‌ها تا 29 درصد و افزایش حساسیت خوانندگان تا 16 درصد و 30 درصد برای ارزیابی‌هایی با بیش از 1 شکستگی کمک کرد.
کاربردهای دیگر الگوریتم هوش مصنوعی
Guermazi معتقد است که هوش مصنوعی می‌تواند ابزار قدرتمندی برای کمک به رادیولوژیست‌ها و سایر پزشکان برای بهبود عملکرد تشخیصی و افزایش کارایی باشد، در حالی که به طور بالقوه تجربه بیمار را در زمان مراجعه به بیمارستان یا کلینیک بهبود می‌بخشد. مطالعه بر روی تشخیص شکستگی متمرکز بود، اما مفهوم مشابهی را می‌توان برای سایر بیماری‌ها و اختلالات به کار برد.
سخن آخر
علاقه تحقیقاتی در حال کار بر این موضوع است که چگونه از هوش مصنوعی برای کمک به ارائه دهندگان مراقبت‌های بهداشتی انسانی برای بهبود مراقبت از بیمار استفاده کنیم، نه اینکه هوش مصنوعی جایگزین نیروهای انسانی شود.
این یافته‌ها به صورت آنلاین در مجله Radiology منتشر شده است.
