هوش مصنوعی در تحلیل MRI مغز؛ دستاورد جدید پژوهشگران دانشگاه تهران

پژوهشگران دانشگاه تهران موفق به طراحی یک سیستم پیشرفته برای ارتقای امنیت هوش مصنوعی در تحلیل تصاویر پزشکی شده‌اند که می‌تواند بدون نیاز به انتقال اطلاعات حساس بیماران، دقت و پایداری مدل‌های درمانی را در سطحی بی‌سابقه تضمین کند.

نوآوری در یادگیری فدرال و تحلیل MRI مغز

در دنیای پزشکی دیجیتال، حفظ حریم خصوصی بیماران یک چالش حیاتی است. روش یادگیری فدرال به مراکز درمانی اجازه می‌دهد بدون خروج داده‌های خام از محل خود، در آموزش مدل‌های هوش مصنوعی مشارکت کنند. با این حال، تفاوت در تجهیزات تصویربرداری و احتمال ورود داده‌های مخرب یا خطا، همواره امنیت این فرآیند را تهدید می‌کرد.

تیم تحقیقاتی دانشگاه تهران با معرفی چارچوب OptiGradTrust، این شکاف امنیتی را پر کرده است. این سیستم به جای اعتماد مطلق به داده‌های ارسالی، آن‌ها را از طریق شش شاخص کلیدی ارزیابی می‌کند تا از کیفیت و سلامت فرآیند آموزش اطمینان حاصل شود.

مکانیزم دفاعی و دقت بالای سیستم جدید

این فناوری از ترکیب شبکه‌های توجه و یادگیری تقویتی برای سنجش میزان اعتماد به هر مرکز استفاده می‌کند. در واقع، اگر مرکزی اطلاعات غیرعادی یا با کیفیت پایین ارسال کند، سیستم به‌طور خودکار تأثیر آن را بر مدل نهایی کاهش می‌دهد.

نتایج آزمایش‌های انجام شده بر روی مجموعه‌داده‌های مختلف، نشان‌دهنده برتری چشمگیر این روش است:

چشم‌انداز آینده و کاربردهای بالینی

اگرچه این دستاورد علمی در مجله معتبر Scientific Reports منتشر شده و قدرت تحلیل هوش مصنوعی را در تشخیص بیماری‌هایی نظیر آلزایمر به اثبات رسانده است، اما محققان تأکید می‌کنند که این مرحله، صرفاً یک اثبات مفهوم است.

برای استفاده گسترده در بیمارستان‌ها، نیاز به آزمایش این چارچوب بر روی پایگاه‌های داده بسیار بزرگ‌تر و مواجهه با حملات سایبری پیچیده‌تر است.

این پژوهش که با همکاری اعضای هیأت علمی و دانشجویان دانشکده برق و کامپیوتر دانشگاه تهران انجام شده، گامی بلند در جهت ترکیب امنیت سایبری و سلامت دیجیتال محسوب می‌شود.

در نهایت، چارچوب OptiGradTrust می‌تواند با حفظ حریم خصوصی و مقابله با داده‌های مخرب، زیرساخت لازم برای همکاری‌های هوشمند میان مراکز درمانی جهان را فراهم آورد.