به نقل از «همشهری آنلاین»

هوش مصنوعی از لحاظ شناسایی سل در رادیولوژی با کارکنان تعلیم‌دیده برابری می‌کند

تاریخ انتشار: ۲۹ فروردین ۱۴۰۲ | کد خبر: ۳۷۵۶۳۷۹۹

به گزارش همشهری آنلاین به نقل از هلث‌دی نیوز پژوهشگران در یک کنفرانس اروپایی در این هفته گزارش کردند یک نرم‌افزار هوش مصنوعی با موفقیت سل (TB) را بر مبنای عکس‌های تلفن‌های همراه از روی تصاویر رادیوگرافی قفسه‌سینه تشخیص داده است

دکتر فراک رودولف، سرپرست این بررسی از بخش بیماری‌های عفونی در بیمارستان دانشگاهی آرهوس در دانمارک گفت:‌«ما نشان داده‌ایم که نرم‌افزار هوش مصنوعی دست کم در شناسایی سل به همان اندازه رادیولوژیست تعلیم‌دیده موافق است و یک عکس ساده با تلفن همراه از رادیوگرافی قفسه‌سینه برای  برای تجزیه و تحلیل کافی است.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

»

رادیوگرافی‌های قفسه‌سینه نقش مهمی در شناسایی سل در بیمارانی دارد که نمی‌توانند نمونه خلط (بلغم) با کیفیت خوب برای تجزیه‌وتحلیل میکروب‌شناسی تولید کنند. استفاده از نرم‌افزار برای کمک به تشخیص بیماری‌ها بر اساس رادیوگرافی اشعه ایکس می‌تواند در مناطقی که منابع محدود و رادیولوژیست‌های اندک دارندِ، کمک‌کننده باشد.

این پژوهشگران قصد داشتند که دقت این روش را تعیین کنند. آنها کارکرد نرم‌افزار هوش مصنوعی در ارزیابی رادیوگرافی‌های اشعه ایکس با کارکرد دو رادیولوژیست اتیوپیایی با میزان‌های متفاوت تجربه مقایسه کردند.

عکس‌های تلفن همراه از رادیوگرافی‌های غیردیجیتال قفسه سینه به هوش مصنوعی دادند.

این پژوهشگران می‌گویند در میان ۴۹۸ بیمار، ۱۱ درصد دچار سل تشخیص داده شدند، ۴۱ نفر به طور بالینی و ۱۶ نفر از طریق آزمایش پی‌سی‌آر تشخیص داده شدند.

نرم‌افزار در شناسایی موارد سل تاییدشده بوسیله آزمایش PCR از رادیولوژیست‌های تعلیم‌دیده بهتر عمل کرد. همچنین هوش مصنوعی به درستی ۷۵ درصد موارد همه موارد تاییدشده PCR و حدود ۸۶ درصد از موارد غیرTB را شناسایی کرد.

رادیولوژیست باتجربه به درستی ۷۵ درصد از موارد تایید شده سل با آزمایش PCR و ۸۲ درصد از مواردی که براساس این آزمایش سل نداشتند، شناسایی کرد.

دکتر رودولف در بیانیه‌ای که در کنگره میکروب‌شناسی و بیماری‌های عفونی اروپا (ECCMID) منتشر شد، گفت با وجود ۳ میلیون بیمار تشخیص‌داده نشده سل در سال ۲۰۲۱ نیازی ضروری برای ایجاد راهبردها و فناوری‌های جدید با هدف شناسایی سل در مناطق دچار کمبود منابع و میزان بالای بروز بیماری وجود دارد.

سل یک عامل عمده مرگ و بیماری در سراسر جهان است و هر سال ۱/۶ میلیون نفر را می‌کشد. این بیماری سیزدهمین علت مرگ و میر در جهان و دومین علت اصلی مرگ ناشی از بیماری‌های عفونی پس از کووید-۱۹ است.

به گفته این پژوهشگران در مناطق دچار کمبود منابع که میزان بروز سل در آنها خیلی بالا است، اما شمار رادیولوژیست‌ها اندک است، می توان از رادیوگرافی‌های اشعه ایکس قفسه سینه با یک تلفن موبایل عکسبرداری کرد و این تصویر را برای تجزیه و تحلیل از راه دور بوسیله هوش مصنوعی فرستاد. این کار امکان خوانده شدن درست شمار بیشتری از رادیوگرافی‌های قفسه سینه را می‌دهد و در نهایت موارد بیشتری از سل تشخیص داده می‌شوند.

این بررسی که یافته‌های آن در اجلاس ECCMID در دانمارک در روز دوشنبه این هفته ارائه شد، هنوز در ژورنال‌های پزشکی دارای داوری همتا منتشر نشده است و بنابراین این یافته‌ها را باید مقدماتی شمرد.

کد خبر 754890 برچسب‌ها بیماری سل هوش‌ مصنوعی رادیولوژی

منبع: همشهری آنلاین

کلیدواژه: بیماری سل هوش مصنوعی رادیولوژی هوش مصنوعی تشخیص داده شناسایی سل نرم افزار قفسه سینه بیماری ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.hamshahrionline.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «همشهری آنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۵۶۳۷۹۹ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

عامل خطر ابتلا به آلزایمر شناسایی شد

آفتاب‌‌نیوز :

این ژن که اینوزیتول پلی فسفات-۵-فسفاتاز D (INPP۵D) نام دارد، موضوع یک مطالعه مشترک توسط محققان دانشکده پزشکی ایکان در کوه سینا و دانشکده پزشکی گراسمن در نیویورک است که نتایج آن در مجله Alzheimer’s and Dementia در دسترس است.

میکروگلیا، گروهی از سلول‌های ایمنی در مغز هستند که وظایفی مثل حذف سلول‌های در حال مرگ و پلاک‌های آمیلوئیدی که با زوال عقل ناشی از بیماری آلزایمر مرتبط هستند، را بر عهده دارند. مطالعات قبلی، INPP۵D را با خطر ابتلا به بیماری آلزایمر مرتبط دانسته اند؛ اما نقش خاصی که این ژن در بیماری زودرس یا دیررس ایفا می‌کند و مکانیسمی که به این عملکرد‌های مغزی تغییر یافته، کمک می‌کند، همچنان ناشناخته باقی مانده است.

از آنجایی که INPP۵D در مغز در میکروگلیا متمرکز شده است، پژوهشگران، از موش‌هایی استفاده کردند که به طور ژنتیکی، مهندسی شده بودند تا ژن INPP۵D موش را در میکروگلیا، خاموش کنند. این فرآیند، محققان را قادر ساخت تا تأثیر خاص این ژن بر بافت مغز، را بهتر مشاهده کنند.

پس از تقریبا سه ماه، دانشمندان، تجمع پلاک و رفتار میکروگلیال را در موش‌ها اندازه گیری کردند. از آنجایی که مشخص شده بود INPP۵D در مغز بیماران مبتلا به آلزایمر افزایش می‌یابد، دانشمندان انتظار داشتند، موش‌هایی که این ژن در مغز آن‌ها غیرفعال شده بود، از پلاک‌های آمیلوئیدی که نشانه آسیب شناسی اختلال آلزایمر هستند، محافظت شوند. با این حال محققان در کمال تعجب مشاهده کردند که موش‌های فاقد INPP۵D، پلاک‌های بیشتری نسبت به سایر موش‌ها دارند.

به گزارش سیناپرس، پس از این که مشخص شد خاموش کردن INPP۵D، میکروگلیا‌ها را به روش‌های غیرمنتظره‌ای در اطراف مغز به حرکت در می‌آورد، محققان به دنبال این بودند که با استفاده از روش رونویسی فضایی، به اطلاعات دقیق بیان فضایی و کمی ژن، دست یابند.

رونویسی فضایی، روشی است که امکان اندازه گیری کل بیان ژن را در یک نمونه بافت، برای محققان فراهم می‌کند و همچنین به پژوهشگران اجازه می‌دهد تا بتوانند از جایی که بیان ژن، در آن رخ می‌دهد، نقشه برداری کنند.

یافته‌های رونویسی فضایی، بر دامنه تغییرات بیان ژنی که میکروگلیا‌ها می‌توانند نشان دهند تأکید کرد. میکروگلیا در نزدیکی پلاک‌های آمیلوئید، ژن‌هایی که به عنوان ژن‌های ناشی از پلاک (PIGs) شناخته می‌شوند، را بیان می‌کنند.

موش‌هایی که ژن INPP۵D در آن‌ها غیرفعال شده بود، افزایش بیان PIG‌هایی را که در تحقیقات قبلی شرح داده شده بود تکرار کردند، اما کیفیت بالای جنبه‌های فنی و تجزیه و تحلیل رونویسی فضایی، امکان شناسایی PIG‌های اضافی را نیز فراهم کرد.

PIG دیگری که جدیدا در این یافته‌ها شناسایی شد و دارای بیشترین افزایش بیان در این موش‌ها بود، CST۷ نام دارد، ژنی که پروتئین سیستاتین F، را کدگذاری می‌کند و با بیماری آلزایمر و بیماری‌های پریونی، خانواده‌ای از اختلالات عصبی نادر که انسان‌ها و حیوانات را تحت تأثیر قرار می‌دهد، مرتبط است.

این یافته‌ها نشان می‌دهد، هم INPP۵D و هم سیستاتین F، می‌توانند به عنوان اهداف جدیدی برای توسعه مداخلات و درمان‌هایی برای کاهش التهاب در مغز بیماران مبتلا به آلزایمر، در نظر گرفته شوند.

منبع: خبرگزاری ایسنا