برنامه ی هوش مصنوعی گوگل: ساخت الگوریتم هایی بهتر برای تشخیص بیماریهای چشم

یک مطالعه ی جدید، زمینه را برای یک سیستم خودکار که می تواند بیماری چشمی دیابت را تشخیص دهد، فراهم کرده است.
توانایی هوش مصنوعی (AI) برای کمک به غربالگری بیماران مبتلا به بیماری چشمی دیابت در یک مطالعه ی جدید که به صورت آنلاین در مجله ی آکادمی چشم پزشکان آمریکا "Ophthalmology" منتشر گردید، بتصویر کشیده شد.

 پرفسورLily Peng   و همکارانش در گروه تحقیقاتی AI در گوگل ، نشان دادند که آنها می توانند نرم افزار تشخیص بیماری خود را با استفاده از یک زیر مجموعه ی کوچک از تصاویر گرفته شده توسط چشم پزشکان متخصص شبکیه، بهبود بخشند. آنها از این تصاویر برای بهبود عملکرد رایانه استفاده کردند، این کار سبب شد که تشخیص بیماری چشمی دیابت توسط این نرم افزار تقریبا برابر با تشخیص متخصصان شبکیه شود.
بیش از 29 میلیون آمریکایی مبتلا به دیابت، در معرض خطر رتینوپاتی دیابتی هستند، که به طور بالقوه بینایی این افراد را در معرض خطر قرار می دهد.بیماران اغلب در مراحل اولیه بیماری، تغییراتی را در دید خود مشاهده نمی کنند.اما همانطور که بیماری رتینوپاتی دیابتی پیشرفت می کند، میزان بینایی این افراد کاهش می یابد که در بسیاری از موارد نمی توان آن را معکوس کرد،به همین دلیل به افراد مبتلا به دیابت توصیه می شود سالانه برای بررسی شبکیه ی چشم خود مراجعه کنند.
در تحقیق قبلی، دکتر Peng و تیم او از شبکه های عصبی( سیستم های پیچیده ریاضی برای شناسایی الگوهایی در میان داده ها) برای تشخیص رتینوپاتی دیابتی استفاده کردند.آنها این شبکه های عصبی را با هزاران اسکن شبکیه تغذیه کردند تا به این شبکه ها، "دیدن و تشخیص" خونریزی های کوچک و سایر ضایعاتی که نشانه های هشدار دهنده ی اولیه رتینوپاتی هستند را آموزش دهند.دکتر Pengنشان داد که این نرم افزار تقریبا مشابه با کارشناسان انسانی کار می کند.
اما دکتر Pengعلاقه مند به توسعه سیستمی است که برای مادربزرگش مناسب باشد، بنابراین، برای بهبود دقت نرم افزار، او داده های ورودی متخصصان شبکیه ی چشم، را در اختیار این نرم افزار قرار داد. دکتر Peng گفت: من دوست دارم برای مادربزرگم، گروهی از متخصصانی را که در واقع بیماری شبکیه را درمان می کنند، گرد هم آورم تا در مورد پرونده او بحث کرده و به درمان او بپردازند اما این کار واقعا گران است و کار سختی می باشد. پس باید الگوریتمی را توسعه دهم که نزدیک به این آرزو عمل کند.
دکتر Peng، عملکرد این الگوریتم اصلی را با رتبه بندی دستی تصاویر توسط سه چشم پزشک عمومی یا رتبه بندی اجماعی سه متخصص شبکیه، مقایسه نمود.
درجه بندی رتینوپاتی دیابتی می تواند یک فرآیند پیچیده باشد که نیاز به شناسایی و اندازه گیری ویژگی های ظریفی مانند آنوریسمهای کوچک و خونریزی دارد. در نتیجه، ممکن است درجه بندی رتینوپاتی دیابتی در بین چشم پزشکان و متخصصین شبکیه بمیزان قابل توجهی متغیر باشد.
متخصصین شبکیه تصاویر را به صورت جداگانه مرتب کرده و سپس برای حل اختلافات، با هم مشورت می کنند. بررسی و تشخیص اجماعی پس از آن، بینش قابل توجهی را در فرآیند درجه بندی، ارائه می دهد و به تصحیح اشتباهات مانند آرتیفکتهای ناشی از ذرات گرد و غبار، تمایز بین انواع مختلف خونریزی ها و ایجاد تعاریف دقیق تری برای "مناطق خاکستری" که تشخیص قطعی را دشوار می سازد، کمک می کند. در پایان این فرآیند، متخصصان شبکیه نشان دادند که دقت مورد استفاده در فرایند تصمیم گیری با این هوش مصنوعی، بالاتر از آنچه می باشد که معمولا در عمل بالینی روزمره انجام می شود.
با استفاده از این تصاویر درجه بندی شده توسط متخصصان، دکتر Peng می تواند تنظیمات ریزی را در نرم افزار خود انجام دهد که عملکرد مدلش را در تشخیص بیماری بهبود می بخشد.
دکتر Peng گفت: ما معتقدیم که این کار مبنایی برای تحقیق بیشتر را فراهم کرده است و زمینه را برای استانداردهای مرجع در زمینه ی استفاده از هوش مصنوعی(machine learning) در پزشکی فراهم می کند.

منبع و سایت خبر:

Ophthalmology, 2018; DOI: 10.1016/j.ophtha.2018.01.034

www.sciencedaily.com/releases/2018/03/180313130621.htm