فرادید| نتایج یک مطالعه نشان میدهد سلفی میتواند به عنوان راهی ارزان و مؤثر برای تشخیص نشانههای بیماری قلبی مورد استفاده قرار بگیرد. بر اساس این تحقیق، الگوریتم کامپیوتری میتواند بیماری قلبی و عروقی را با تحلیل ۴ عکس از چهره افراد تشخیص دهد. تصاویر سلفیِ بیش از ۶۸۰۰نفر در این پژوهش در اختیار پژوهشگران قرار گرفت تا توسط هوش مصنوعی تجزیه و تحلیل شود.
در این پژوهش کامپیوتر آموزش دیده بود تا ویژگیهای خاص چهره که با افزایش خطر بیماریهای قلبی مرتبط، اما تشخیص آن برای پزشکان دشوار است را تشخیص دهد. نشانههای مرتبط با بیماریهای قلبی شامل نازک یا سفید شدن مو، چینوچروک، لکههای پیری، چینهای عمیق روی نرمه گوش و زانتلاسما است که رسوبات کوچک و زردرنگ کلسترول در زیر پوست هستند.
تحلیل کامپیوتری توانست این موارد را تا ۸۰درصد به درستی تشخیص دهد که این مقدار با آزمونهای استانداردی که معمولاً برای تشخیص بیماریهای قلب و عروق مورد استفاده قرار میگیرد، برابری میکند.
این تحقیق به هدایت پروفسور ژِ ژنگ از مرکز ملی بیماریهای قلبی و عروقی در چین انجام شد. او میگوید: «ابزار غربالگری سلفی میتوان روشی ارزان، ساده و مؤثر برای شناسایی بیمارانی باشد که به درمان یا تستهای بیشتر نیاز دارند.»
این تحقیق به هدایت پروفسور ژِ ژنگ از مرکز ملی بیماریهای قلبی و عروقی در چین انجام شد. او میگوید: «ابزار غربالگری سلفی میتوان روشی ارزان، ساده و مؤثر برای شناسایی بیمارانی باشد که به درمان یا تستهای بیشتر نیاز دارند.»
«این یک قدم در راه توسعه ابزاری یادگیرنده است که میتواند برای ارزیابی خطر بیماریهای قلبی، چه در درمانگاهها و بیمارستانها و چه توسط خود بیماران، مورد استفاده قرار گیرد. افراد میتوانند سلفیهایی از خود را در این برنامه کاربردی ثبت کنند و عمل تشخیص را خودشان انجام دهند.»
او ادامه میدهد: «هدف نهایی ما توسعه یک برنامه کابردی خود-گزارشگری برای جمعیتهایی است که خطر ابتلا به بیماریهای قلبی و عروقی در آنها بالاست تا بتوانند به کمک آن خطر ابتلا به بیماری قلبی و عروقی را در خود ارزیابی کنند.»
البته این الگوریتم نیاز به تصفیه بیشتر و اعتبارسنجی خارجی در سایر جمعیتها و قومیتها دارد. نویسنده همکار این پژوهش، پروفسور ژیانگ-یانگ ژی، میافزاید: «این الگوریتم عملکرد قابل قبولی دارد و صرفاً بر اساس تصاویری از چهره کار میکند؛ زیرا در آزمایشها مشخص شد که ارائه اطلاعات بالینی بیشتر کمکی به ارتقاء عملکرد این برنامه نمیکند.»
«اطلاعات گونه، پیشانی و بینی برای تهیه الگوریتم بیشترین سهم را در مقایسه با سایر نواحی چهره داشته است. اما نیاز داریم که دقت این ابزار را بالا ببریم، زیرا تشخیص غلط میتواند باعث اضطراب و ناراحتی بیمار شود و آزمایشها و تستهای نالازم را به او تحمیل کند.»
نتایج این پژوهش در نشریه یوروپین هارت منتشر شد.
ثبت دیدگاه