به گزارش ایسنا، آمبولی ریه زمانی رخ می‌دهد که یک لخته خون مسیر یکی از رگ‌های خونی ریه را مسدود کند. این وضعیت می‌تواند باعث تنگی نفس شدید، درد قفسه سینه و حتی مرگ ناگهانی شود. پزشکان برای تشخیص این بیماری معمولا از نوعی تصویربرداری به نام سی‌تی آنژیوگرافی ریه استفاده می‌کنند که تصاویر دقیقی از رگ‌های خونی ریه ارائه می‌دهد. با این حال، تفسیر این تصاویر نیازمند تجربه بالا و دقت فراوان است، زیرا گاهی نشانه‌های بیماری بسیار ظریف هستند.

با گسترش استفاده از هوش مصنوعی در پزشکی، پژوهشگران تلاش کرده‌اند از الگوریتم‌های رایانه‌ای برای کمک به تشخیص سریع‌تر و دقیق‌تر بیماری‌ها استفاده کنند. در سال‌های اخیر چندین ابزار مبتنی بر هوش مصنوعی برای تشخیص آمبولی ریه طراحی شده‌اند، اما هنوز اطلاعات زیادی درباره عملکرد واقعی آن‌ها در محیط‌های درمانی روزمره وجود ندارد. به همین دلیل، ارزیابی دقیق این فناوری‌ها اهمیت زیادی دارد، زیرا هرگونه خطا در تشخیص می‌تواند پیامدهای جدی برای بیماران به همراه داشته باشد.

در همین زمینه، پژوهشگرانی از مجموعه درمانی نورث‌ول هلث و دانشکده پزشکی زاکر وابسته به دانشگاه هافسترا/نورث‌ول آمریکا پژوهشی درباره عملکرد یک سامانه هوش مصنوعی در تشخیص آمبولی ریه انجام دادند. این مطالعه که به بررسی میزان هماهنگی میان تشخیص پزشکان رادیولوژیست و الگوریتم هوش مصنوعی پرداخته، با هدف ارزیابی کارایی این فناوری در شرایط واقعی درمانی انجام شد. در این پژوهش از سامانه هوش مصنوعی AIDOC استفاده شد که برای شناسایی موارد مشکوک به آمبولی ریه طراحی شده است.

پژوهشگران ۳۲ هزار و ۵۰۱ تصویربرداری سی‌تی آنژیوگرافی ریه را که طی ۱۸ ماه در مراکز درمانی این شبکه انجام شده بود، بررسی کردند. الگوریتم هوش مصنوعی تصاویر را تحلیل و موارد مشکوک را علامت‌گذاری می‌کرد تا رادیولوژیست‌ها آن‌ها را سریع‌تر بررسی کنند. سپس نتایج هوش مصنوعی با گزارش پزشکان مقایسه شد. در مواردی که اختلاف نظر وجود داشت، تصاویر به صورت مستقل توسط رادیولوژیست‌های متخصص قفسه سینه بازبینی شد تا تشخیص نهایی مشخص شود.

نتایج نشان دادند میزان توافق کلی میان هوش مصنوعی و پزشکان به ۹۷.۸ درصد رسیده است. این میزان هماهنگی در آزمایش‌هایی که نتیجه منفی داشتند، بیشتر بود و به ۹۸.۱۸ درصد رسید، در حالی که در موارد مثبت ۹۳.۷۵ درصد بود. این موضوع نشان می‌دهد الگوریتم به ویژه در رد کردن وجود آمبولی ریه عملکرد قابل قبولی دارد. همچنین پژوهشگران اعلام کردند رادیولوژیست‌هایی که از اطلاعات هوش مصنوعی استفاده می‌کردند، حساسیت تشخیص ۹۹.۲ درصدی داشتند.

با وجود عملکرد بالای الگوریتم، نتایج نشان دادند نظارت پزشکان همچنان ضروری است. در میان موارد تاییدشده آمبولی ریه، حدود ۱۵ درصد تنها توسط رادیولوژیست‌ها شناسایی شد و هوش مصنوعی موفق به تشخیص آن‌ها نشد. در مقابل، هوش مصنوعی نیز در ۲۶ مورد بیماری را به درستی شناسایی کرده بود، اما در ابتدا توسط پزشک رد شده بود و بعدا در بازبینی تخصصی تایید شد. این یافته‌ها نشان می‌دهند ترکیب توانایی انسان و هوش مصنوعی می‌تواند دقت تشخیص را افزایش دهد و از خطاهای احتمالی جلوگیری کند.

پژوهشگران تاکید کرده‌اند که بیشترین هماهنگی میان پزشکان و الگوریتم در موارد آمبولی حاد و مرکزی مشاهده شد، یعنی همان شرایطی که بیشترین خطر مرگ‌ومیر را دارند و نیازمند رسیدگی فوری هستند. به گفته محققان، این موضوع اهمیت استفاده از هوش مصنوعی برای اولویت‌بندی سریع بیماران اورژانسی را نشان می‌دهد. چنین سامانه‌هایی می‌توانند به پزشکان کمک کنند تا بیماران پرخطر را سریع‌تر شناسایی و درمان کنند.

همچنین پژوهشگران معتقدند این مطالعه نشان داده است که استفاده از فرایند «انسان در چرخه» یا Human-in-the-loop، یعنی ترکیب تصمیم‌گیری پزشک و هوش مصنوعی، می‌تواند ایمنی و دقت تشخیص را در مراکز درمانی افزایش دهد. آن‌ها توصیه کرده‌اند که مراکز درمانی هنگام استفاده از سامانه‌های هوش مصنوعی، سازوکارهای نظارتی و بازبینی تخصصی را نیز در نظر بگیرند تا اعتماد بیشتری به این فناوری ایجاد شود.

این نتایج علمی در نشریه تخصصی Radiology: Artificial Intelligence منتشر شده‌اند؛ نشریه‌ای که در حوزه کاربرد هوش مصنوعی در تصویربرداری پزشکی فعالیت می‌کند و به انجمن رادیولوژی آمریکای شمالی وابسته است.

انتهای پیام