پژوهشی درباره دقت ۹۷ درصدی در پیش بینی بیماری كبد
الگوریتمی نوین برای تشخیص زودهنگام تر بیماری های کبدی
بلک بلاگ: بیماری های کبدی از مشکلات جدی سلامت در جهان به شمار می روند و با عنایت به روند رو به افزایش آنها، شناسایی و تشخیص زودهنگام اهمیت بسیاری دارد. محققان ایرانی با استفاده از ابزارهای هوش مصنوعی کوشیده اند راهی تازه برای تشخیص بموقع این بیماری ها عرضه کنند.
به گزارش بلک بلاگ به نقل از ایسنا، کبد بعنوان بزرگ ترین عضو داخلی بدن، نقشی کلیدی در سلامت کلی ایفا می کند. از پردازش مواد غذایی و تولید انرژی تا سم زدایی و تقویت ایمنی، خیلی از عملکردهای حیاتی به آن وابسته است. در سالیان اخیر، تغییر سبک زندگی، مصرف الکل، چاقی و برخی عوامل ژنتیکی سبب افزایش مبتلا شدن به بیماریهای کبدی در جهان شده است. این بیماری ها دامنه وسیعی را دربرمی گیرند: از کبد چرب و هپاتیت ویروسی گرفته تا سیروز و نارسایی کامل کبد که در صورت عدم تشخیص بموقع می تواند مرگبار باشد. از همین رو، یافتن روش هایی برای تشخیص زودهنگام اهمیت دوچندان دارد.
روش های سنتی تشخیص بیماریهای کبدی اغلب زمان بر بوده و در خیلی از موارد دقت کافی ندارند. پژوهش های بین المللی طی یک دهه اخیر نشان داده اند که استفاده از هوش مصنوعی و الگوریتم های یادگیری ماشین می تواند به پزشکان کمک نماید تا با استفاده از داده های گسترده پزشکی، تشخیص ها را سریع تر و دقیق تر انجام دهند. مقایسه های مختلفی میان الگوریتم های مختلف مانند رگرسیون لجستیک، نزدیک ترین همسایه، درخت تصمیم و جنگل تصادفی انجام شده است. در خیلی از این موارد، هرچند برخی الگوریتم ها عملکرد مناسبی داشته اند، اما بازهم احتیاج به مدلی وجود داشت که بتواند هم دقت بالا و هم قابلیت تعمیم به بیماران مختلف را ضمانت کند.
در همین راستا، صفورا عاشوری، محقق مهندسی کامپیوتر در دانشگاه آزاد اسلامی واحد رشت، بهمراه یکی از همکارانش پژوهشی را به انجام رسانده اند. این محققان در قالب پایان نامه و مقاله علمی خود به دنبال طراحی مدلی نوین بر پایه یادگیری عمیق بودند تا بتواند پیشبینی بیماری کبدی را با اطمینان بیشتری ممکن کند.
برای اجرای این طرح، آنها از داده های پزشکی در ارتباط با بیماران کبدی در کشور هند استفاده کردند. این داده ها بعد از پیش پردازش وارد مدلی شدند که برمبنای شبکه های عصبی عمیق بنا شده بود. تفاوت اصلی این تحقیق در استفاده از الگوریتم فراابتکاری معروف به «جستجوی خزندگان» بود. این الگوریتم به مدل کمک کرد تا پارامترهای درونی خودرا بهتر تنظیم کند و در نهایت دقت بیشتری در پیشبینی به دست آورد.
نتایج این کار نشان داد که مدل طراحی شده توانسته با دقت نزدیک به ۹۷ درصد، بیماران کبدی را از افراد سالم تشخیص دهد. همین طور شاخصهای دیگری مانند «صحت» و «امتیازF۱ » هم در سطح بالایی قرار داشتند. این بدان معناست که خطای مدل در حداقل ممکن بوده و توانسته تعادل خوبی بین درست تشخیص دادن بیماران و پرهیز از تشخیص ناصحیح برقرار کند.
در بخش نتیجه گیری، پژوهشگران اعلام نمودند که ترکیب شبکه های عصبی با الگوریتم های فراابتکاری، گامی مهم در افزایش توان هوش مصنوعی برای کاربری های پزشکی است. بگفته آنها، مدل پیشنهادی نسبت به روش های پیشین نه تنها دقت بیشتری داشته، بلکه توانسته با ممانعت از پدیده ای به نام «بیش برازش»، قابلیت استفاده در شرایط واقعی بالینی را هم پیدا کند.
از نگاه علمی، اهمیت این موفقیت در آنست که الگوریتم مورد استفاده توانسته در فضای بسیار پیچیده داده ها به جستجوی مؤثر بپردازد و با این وجود از افتادن در دام نتایج محلی و ناصحیح جلوگیری نماید. این مدل حتی در مقایسه با روش های ترکیبی پیشرفته مانند AdaBoost یا الگوریتم های مبتنی بر جنگل تصادفی هم عملکرد بهتری داشته است. به همین دلیل، محققان تاکید دارند که می توان آنرا بعنوان الگویی برای دیگر بیماری ها هم توسعه داد.
چشم انداز آینده چنین فناوری هایی روشن است. اگر مدلهای هوش مصنوعی مانند همین مدل بتوانند در سیستم های تصمیم یار بالینی و اپلیکیشن های سلامت دیجیتال ادغام شوند، امکان غربالگری زودهنگام جمعیت های پرخطر فراهم می شود. این امر نه تنها می تواند نرخ مرگ و میر ناشی از بیماریهای کبدی را کم کند، بلکه هزینه های درمانی را هم بطور شایان توجهی پایین خواهد آورد.
قابل ذکر است این تحقیق علمی در «مجله انفورماتیک سلامت و زیست پزشکی» انتشار یافته است؛ نشریه ای وابسته به دانشگاه علوم پزشکی کرمان که به انتشار جدیدترین یافته ها در عرصه کاربرد فناوری اطلاعات و هوش مصنوعی در پزشکی می پردازد.
بطور خلاصه، این بیماریها دامنه وسیعی را دربرمی گیرند: از کبد چرب و هپاتیت ویروسی گرفته تا سیروز و نارسایی کامل کبد که در صورت عدم تشخیص به موقع می تواند مرگبار باشد. پژوهش های بین المللی طی یک دهه اخیر نشان داده اند که استفاده از هوش مصنوعی و الگوریتم های یادگیری ماشین می تواند به پزشکان کمک کند تا با استفاده از داده های گسترده پزشکی، تشخیص ها را سریع تر و دقیق تر انجام دهند. قابل ذکر است این مطالعه علمی در مجله انفورماتیک سلامت و زیست پزشکی انتشار یافته است؛ نشریه ای وابسته به دانشگاه علوم پزشکی کرمان که به انتشار تازه ترین یافته ها در حوزه کاربرد فناوری اطلاعات و هوش مصنوعی در پزشکی می پردازد.
منبع: blackblog.ir
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب