به گزارش ایسنا، آنوریسم مغزی به برآمدگی یا بادکنکی‌شدن دیواره سرخرگ‌های درون مغز گفته می‌شود که در اثر ضعف دیواره رگ ایجاد می‌گردد. این ضایعات عروقی ممکن است برای مدت‌های طولانی کاملاً بی‌صدا، خاموش و بدون هیچ‌گونه علامت بالینی مشخصی در سر فرد باقی بمانند. خطر اصلی این عارضه زمانی آشکار می‌شود که این برآمدگی ضعیف دچار پارگی گردد؛ اتفاقی بسیار خطرناک که منجر به خونریزی‌های شدید، ویرانگر و مرگبار مغزی می‌شود و اغلب عواقب جبران‌ناپذیر و تهدیدکننده حیات برای بیمار در پی دارد. از این رو، آگاهی از وجود این ضایعات پیش از پارگی اهمیت حیاتی دارد.

ضرورت اصلی پژوهش در این حوزه، شناسایی و کشف زودهنگام این ضایعات، به‌ویژه در اندازه‌های بسیار کوچک و پیش از وقوع هرگونه پارگی خطرناک است. تشخیص زودهنگام به تیم پزشکی این فرصت طلایی را می‌دهد تا ارزیابی دقیق خطرات، تحت‌نظر گرفتن بیمار و مراقبت‌های مداوم را آغاز کرده و در صورت لزوم، درمان‌های پیشگیرانه مناسب را پیش از بروز خونریزی انجام دهند. سی‌تی آنژیوگرافی به عنوان تصویربرداری تخصصی از رگ‌های خونی مغز، نقشی کلیدی در این زمینه دارد، اما کشف ضایعات بسیار ریز همواره یک چالش تشخیصی برای پزشکان محسوب می‌شود که ارتقای ابزارهای کمکی را ضروری می‌سازد.

در همین راستا، تیمی از پژوهشگران بین‌الملل، مطالعه‌ای را برای بررسی عملکرد یک الگوریتم تاییدشده هوش مصنوعی در شناسایی این برآمدگی‌های عروقی مغز به انجام رساندند.

روش کار این مطالعه آینده‌نگر به صورت حالت سایه یا موازی طراحی شد؛ به این معنی که هوش مصنوعی تصویربرداری‌ها را به صورت هم‌زمان پردازش می‌کرد اما نتایج آن هیچ تاثیری بر تصمیمات درمانی بیماران در طول مطالعه نمی‌گذاشت.

در این پژوهش، تعداد ۳۸۵۶ تصویربرداری سی‌تی آنژیوگرافی عروق مغز در یک شبکه درمانی بزرگ ارزیابی شد. پزشکان رادیولوژیست تصاویر را در روال عادی و روزمره بدون دسترسی به نتایج هوش مصنوعی بررسی و تفسیر کردند تا ارزش افزوده ترکیب هوش مصنوعی با نظر پزشک سنجیده شود. در مواردی که میان نظر پزشک و هوش مصنوعی اختلاف وجود داشت، متخصصان مستقل رادیولوژی مغز و اعصاب تصاویر را بازبینی می‌کردند تا نتیجه نهایی مشخص شود.

یافته‌های پژوهش نشان دادند که در بیش از ۹۶ درصد موارد، رادیولوژیست‌ها و ابزار هوش مصنوعی با یکدیگر اتفاق نظر کامل داشتند. با این حال، هوش مصنوعی موفق شد ۵۵ مورد آنوریسم واقعی را که توسط رادیولوژیست‌ها گزارش نشده بود شناسایی کند که این رقم معادل ۳۹ درصد افزایش نسبی در تشخیص نسبت به عملکرد رادیولوژیست به تنهایی است. همچنین هوش مصنوعی از نظر حساسیت عملکرد بالاتری نسبت به رادیولوژیست‌ها داشت و ضایعات واقعی بیشتری را پیدا کرد.

در مقابل، رادیولوژیست‌ها از نظر اطمینان و درستی تشخیص‌هایشان دقیق‌تر بودند و احتمال صحیح بودن تشخیص آن‌ها بالاتر بود. هر دو گروه رادیولوژیست‌ها و هوش مصنوعی در رد کردن موارد منفی (اطمینان از عدم وجود بیماری در افراد سالم) و پرهیز از هشدارهای اشتباه عملکردی بسیار قوی و مشابه نشان دادند. اگرچه هوش مصنوعی ۴۶ هشدار نادرست ایجاد کرد، اما تعداد تشخیص‌های درست اضافی آن بسیار بیشتر از هشدارهای نادرست بود که نشان‌دهنده نسبت مطلوب فایده به بار تشخیصی است.

این دستاوردها نشان‌دهنده نقاط قوت مکمل میان هوش مصنوعی و پزشکان است. هوش مصنوعی بسیاری از ضایعات بسیار کوچک را که ممکن بود از دید پزشک پنهان بماند پیدا کرد، در حالی که رادیولوژیست‌ها نیز ۳۰ مورد از ضایعات مهمی را که هوش مصنوعی ندیده بود شناسایی کردند. ترکیب توانایی این دو سیستم در کنار هم، نتیجه‌ای بسیار بهتر و دقیق‌تر از عملکرد هر یک به تنهایی ایجاد می‌کند. علاوه بر این، عملکرد هوش مصنوعی در بخش‌های بستری و اورژانس که ماهیت بیماری‌ها پیچیده‌تر و حادتر است، به مراتب سودمندتر و با خطای کمتر همراه بود، در حالی که در بخش سرپایی مزایای محدودتری داشت.

نتایج کامل این پژوهش علمی در نشریه کالج آمریکایی رادیولوژی (JACR) که وابسته به کالج آمریکایی رادیولوژی است، منتشر شده‌اند.

انتهای پیام