هوش مصنوعی Prima: تشخیص سریع و دقیق اختلالات مغزی با ۹۷.۵% دقت

تحولی در تصویربرداری عصبی

تیم تحقیقاتی دانشگاه میشیگان، این فناوری را یک پیشرفت مهم در حوزه تصویربرداری عصبی می‌داند که پتانسیل تغییر چشمگیر نحوه تفسیر اسکن‌های مغز در مراکز درمانی سراسر ایالات متحده را دارد. نتایج این پژوهش در تاریخ ۶ فوریه در نشریه معتبر Nature Biomedical Engineering منتشر شده است.

تاد هالون، جراح مغز و اعصاب دانشگاه میشیگان و نویسنده ارشد این مطالعه می‌گوید: «با افزایش جهانی تقاضا برای MRI و فشار وارد بر پزشکان و سیستم‌های بهداشتی، مدل هوش مصنوعی ما می‌تواند با ارائه اطلاعات سریع و دقیق، تشخیص و درمان را بهبود بخشیده و بار کاری را کاهش دهد.»

سیستم Prima طی یک سال با بیش از ۳۰ هزار اسکن MRI مورد ارزیابی قرار گرفت و توانست بیش از ۵۰ تشخیص رادیولوژیک مرتبط با اختلالات عصبی اصلی را تحلیل کند. این سیستم در مقایسه با سایر سیستم‌های هوش مصنوعی پیشرفته در تصویربرداری مغز، عملکرد بهتری از خود نشان داده و علاوه بر شناسایی بیماری، موارد اورژانسی را نیز اولویت‌بندی می‌کند تا بیماران بحرانی زودتر تحت مراقبت قرار گیرند.

اورژانس‌های عصبی نظیر سکته مغزی و خونریزی مغزی نیازمند اقدام فوری هستند. هالون توضیح می‌دهد که در چنین مواردی، Prima می‌تواند به صورت خودکار تیم پزشکی را مطلع کرده و درمان بدون تاخیر آغاز شود. این سیستم همچنین هشدارها را به مناسب‌ترین متخصص، مانند نورولوژیست سکته یا جراح مغز، هدایت می‌کند و بازخورد بلافاصله پس از پایان اسکن بیمار در دسترس قرار می‌گیرد.

Prima چگونه کار می‌کند؟

Prima یک مدل هوش مصنوعی تصویر-زبان (VLM) است که قادر به پردازش همزمان تصاویر، ویدئو و متن است. برخلاف سیستم‌های قبلی که تنها برای انجام وظایف محدود آموزش دیده بودند (مانند شناسایی ضایعات خاص یا پیش‌بینی خطر زوال عقل)، Prima با استفاده از مجموعه وسیعی از داده‌ها آموزش دیده است:

• بیش از ۲۰۰ هزار اسکن MRI از زمان دیجیتال شدن سوابق رادیولوژی دانشگاه میشیگان.
• ۵.۶ میلیون دنباله تصویربرداری.
• تاریخچه بالینی بیماران.
• دلایل پزشکان برای سفارش اسکن‌ها.

سمیر هاراکه، دانشمند داده در آزمایشگاه هوش مصنوعی جراحی مغز و اعصاب هالون، بیان می‌کند که Prima مانند یک رادیولوژیست عمل کرده و اطلاعات مربوط به تاریخچه پزشکی و داده‌های تصویربرداری بیمار را یکپارچه می‌کند تا درک جامع‌تری از سلامت او ارائه دهد. این رویکرد موجب عملکرد بهتر در طیف وسیعی از وظایف پیش‌بینی می‌شود.

پژوهشگران تاکید دارند که سالانه میلیون‌ها MRI در سراسر جهان انجام می‌شود که بسیاری از آنها مربوط به بیماری‌های مغز و سیستم عصبی هستند. افزایش تقاضا برای تصویربرداری بیش از ظرفیت نورورادیولوژیست‌ها است که منجر به کمبود نیروی انسانی، تاخیر در تشخیص و خطاهای قابل پیشگیری می‌شود. این وضعیت در برخی سیستم‌های بهداشتی باعث می‌شود بیماران روزها منتظر دریافت نتیجه MRI خود بمانند.

ویکاس گولانی، رئیس بخش رادیولوژی دانشگاه میشیگان می‌گوید: «چه در یک بیمارستان بزرگ با حجم کاری بالا و چه در بیمارستان‌های کوچک و دورافتاده، فناوری‌های نوآورانه برای بهبود دسترسی به خدمات رادیولوژی ضروری هستند. تیم ما در دانشگاه میشیگان با همکاری هم راه‌حلی پیشرفته و مقیاس‌پذیر برای این مشکل توسعه داده است.»

آینده هوش مصنوعی در تصویربرداری پزشکی

با وجود عملکرد قوی Prima، پژوهشگران تاکید دارند که این فناوری هنوز در مراحل اولیه ارزیابی است و مطالعات آینده بررسی خواهند کرد که چگونه افزودن جزئیات بیشتر بیماران و داده‌های پرونده الکترونیک می‌تواند دقت تشخیصی را افزایش دهد.

هالون Prima را به «چت‌جی‌پی‌تی برای تصویربرداری پزشکی» تشبیه کرده و اشاره کرده است که این فناوری می‌تواند در آینده برای انواع دیگر اسکن‌ها از جمله ماموگرافی، رادیوگرافی قفسه سینه و سونوگرافی نیز به کار گرفته شود.

او می‌گوید: «مانند ابزارهای هوش مصنوعی که می‌توانند ایمیل بنویسند یا توصیه ارائه دهند، Prima قصد دارد به عنوان یک همکار در تفسیر اسکن‌های پزشکی عمل کند و پتانسیل تحول‌آفرین ادغام سیستم‌های بهداشتی و مدل‌های هوش مصنوعی برای بهبود مراقبت‌های پزشکی را نشان دهد.»