محققان دریافته‌اند که پزشکان بی‌توانایی‌ای که کولونوسکوپی را با پشتیبانی هوش مصنوعی انجام خواهند داد، در تشخیص پولیپ‌ها بهتر عمل می‌کنند. منفعت گیری از هوش مصنوعی با این ابزار تشخیصی می‌تواند گمان اشتباه در شناسایی پیش‌سازهای سرطان روده بزرگ را افت دهد.
آندوسکوپی روده
هوش مصنوعی قبلاً هم تبدیل بهبود چندین ابزار تشخیص پزشکی ازجمله ماموگرافی، سونوگرافی و ام‌آر‌ای شده می بود. اما اکنون نوبت کولونوسکوپی است که یک ارتقا به پشتیبانی تکنولوژی دریافت کند.
کولونوسکوپی، قراردادن یک آندوسکوپ در روده بزرگ برای بازدید دیواره‌های داخلی آن، با شناسایی و برداشتن پولیپ‌های پیش بدخیم (آدنوم) است و مقدار مرگ ناشی از سرطان کولورکتال را افت می‌دهد.
بااین‌حال، به‌گفتن یک ابزار تشخیصی، می‌تواند ناقص باشد. تا ۲۶ درصد از آدنوم‌ها و ۹ درصد از آدنوم‌های پیشرفته را می‌توان از دست داد، که خطر پیامدهای نامطلوب و مرگ‌ومیر را افزایش می‌دهد.
آخرین اخبار
- ابتلا به مسمومیت با مصرف زیاد این ویتامین_آفتاب شرق
- استقرار ۲۸ آمبولانس و خودروی امدادی در جشن امام رضایی ها_آفتاب شرق
- فناوری تازه شرکت فنلاندی انتشار کردن دیاکسیدکربن کشتیها را تا ۷۰ درصد افت می‌دهد_آفتاب شرق
- افتاب شرق – ۵ مسئله درمورد وجود «زن و بچه» سعید روستایی در کن ۲۰۲۵_آفتاب شرق
- چه کادویی برای روز معلم مناسب است؟! (لیست اقتصادی هدایای زنانه و مردانه)_آفتاب شرق
دلایلی که در تشخیص آدنوم‌ها اشتباه پیش می‌آید عبارت هستند از مورفولوژی صاف، آماده‌سازی ضعیف روده و توانایی ناکافی آندوسکوپیست.
اکنون، محققان دانشکده پزشکی دانشگاه چینی هنگ‌کنگ (CUHK) این نوشته را بازدید کرده‌اند که آیا کولونوسکوپی با پشتیبانی هوش مصنوعی، نرخ تشخیص آدنوم را وقتی که یک پزشک بی‌توانایی از آن منفعت گیری می‌کرد، بهبود می‌بخشد یا خیر.
«لوئیس لاو هو شینگ»، نویسنده ارشد این مطالعه، او گفت:
«تحقیق ما برای گسترش آینده هوش مصنوعی در پزشکی بالینی و آموزش آندوسکوپی مهم است. آندوسکوپیست‌های جوان عموماً توانایی کمتری دارند و در مرحله های اولیه یادگیری خود به سطح بالاتری از پشتیبانی نیاز دارند. تحقیقات ما برای آموزش آندوسکوپی مهم است چون مشخص می کند که منفعت گیری از هوش مصنوعی به آنها راهنمایی تصویری می‌دهد تا توانایی‌ها را به روشای استانداردتر تمرین کنند. نتایج قبول کردند که این نوآوری به افزایش توانایی تشخیص آدنوم در بین آندوسکوپیست‌ها با سطوح گوناگون توانایی پشتیبانی می‌کند.»
نحوه پژوهش
هوش مصنوعی مورد منفعت گیری، کامپیوتر (CADE) می بود؛ یک سیستم یادگیری عمیق که آزمایش‌های قبلی گزارش داده‌اند مزایای بالینی قابل‌توجهی برای تشخیص آدنوم اراعه می‌دهد.
بین آوریل ۲۰۲۱ و ژوئیه ۲۰۲۲، محققان ۲۲ متخصص آندوسکوپی جوان، با توانایی شخصی کمتر از ۵۰۰ آندوسکوپی و آموزش کمتر از سه سال را برای مطالعه کارکرد آنها با منفعت گیری از سیستم آندوسکوپی به پشتیبانی هوش مصنوعی استخدام کردند. آندوسکوپیست‌ها به دو گروه مبتدی (کمتر از ۲۰۰ کار) و متوسط (۲۰۰ تا ۵۰۰ کار) تقسیم شدند.
مقصد اولیه مطالعه مقدار تشخیص آدنوم می بود. مقصد دوم شامل تشخیص آدنوم‌ها با اندازه‌های گوناگون (کمتر از ۵ میلی‌متر، ۵ تا ۱۰ میلی‌متر، زیاد تر از ۱۰ میلی‌متر) و تعیین مکان آنها می بود. یک آدنوم پیشرفته، پیش‌ساز سرطان کولورکتال، برابر یا زیاد تر از ۱۰ میلی‌متر تعریف شد.
آندوسکوپیست‌های تحت آموزش، کولونوسکوپی را روی ۷۶۶ بیمار انجام دادند. ۳۸۶ نفر به گروهی که از هوش مصنوعی منفعت گیری می‌کردند، تعلق داده شدند و بقیه کولونوسکوپی معمولی دریافت کردند.
به‌طور کلی، مقدار تشخیص آدنوم در گروه هوش مصنوعی درمقایسه با گروه دیگر به‌طور قابل‌توجهی بالاتر می بود: به ترتیب ۵۷.۵ درصد درمقابل ۴۴.۵ درصد.
مقدار تشخیص آدنوم‌ها برای آدنوم کمتر از ۵ میلی‌متر ۴۰.۴ درصد در گروه CAde، درمقابل ۲۵.۰ درصد در گروه عادی می بود. برای آدنوم‌های ۵-۱۰ میلی‌متری به ترتیب ۸/۳۶ درصد و ۲/۲۹ درصد می بود. تفاوت معنی‌داری در مقدار تشخیص آدنوم برای آدنوم‌های پیشرفته وجود نداشت.
مقدار تشخیص در گروهی که از هوش مصنوعی منفعت گیری کردند، در بین آندوسکوپیست‌های مبتدی (۶۰.۰ درصد درمقابل ۴۱.۹ درصد) و سطح متوسط (۵۶.۵ درصد درمقابل ۴۵.۵ درصد) زیاد تر می بود.
محققان می‌گویند که مزیت هوش مصنوعی برای آدنوم‌های بزرگ و پیشرفته تا این مدت نامشخص است. آنها بهینه‌سازی کارکرد الگوریتم و گسترش هم‌زمان سیستم‌های تشخیص آدنوم به پشتیبانی رایانه را پیشنهاد می‌کنند.
بااین‌وجود، بر پایه یافته‌ها، پژوهشگران از گنجاندن دستگاه‌های هوش مصنوعی در برنامه‌های آموزشی آندوسکوپی حمایتمی‌کنند.
این مطالعه در مجله Clinical Gastroenterology and Hepatology انتشار شد.
منبع
