گروهی از مهندسان و زیست‌شناسان دانشگاه ایالتی واشنگتن یک سیستم هوش مصنوعی ساخته‌اند که قادر به تشخیص علائم بیماری از تصاویر بافت‌های انسانی است. این سیستم از یادگیری عمیق مقیاس‌پذیر برای شناسایی و تشخیص عفونت‌ها و بیماری‌ها استفاده می‌کند که هم در زمان و هم از نظر دقت فراتر از توانایی‌های انسانی است.
برای انجام دقیق تشخیص هیستوپاتولوژی، محققان باید هوش مصنوعی، بینایی کامپیوتر و پزشکی را ادغام کنند. این تقاطع مشکل اصلی است که مانع توسعه مدل‌های تشخیص خودکار بیماری می‌شود.
علاوه بر این، اندازه بزرگ تصاویر میکروسکوپی و ساختارهای دشوار در سطح بافت، لایه دیگری از سختی را اضافه می‌کند. یافتن نمونه‌ها پاتولوژیک در تصاویر گیگاپیکسلی حتی برای انسان‌ها نیز کار دشواری است.
مطالعه جدیدی که در Scientific Reports منتشر شد، یک مدل یادگیری عمیق جدید را پیشنهاد می‌کند که به طور موثر خطاها را در اسلایدهای هیستوپاتولوژی گیگاپیکسلی شناسایی می‌کند. این رویکرد جدید می‌تواند سرعت تحقیقات مرتبط با بیماری را افزایش دهد، که به ساعت‌ها نیاز دارد تا آسیب‌شناسان موارد را شناسایی کنند.
بیشتر بخوانید: درمان بیماری‌های التهابی روده با هوش مصنوعی برای نجات جان انسان‌ها
هوش مصنوعی قادر به تشخیص سریع
این مدل هوش مصنوعی برای تشخیص و شناسایی بیماری‌ها از دو جزء استفاده می‌کند. آماده‌سازی داده‌ها و مدل یادگیری عمیق در آماده‌سازی اطلاعات.
قبل از این سیستم های مدرن، تجزیه و تحلیل به چندین متخصص مجرب نیاز داشت تا بافت‌ها را زیر میکروسکوپ شناسایی و حاشیه نویسی کنند. این کار مجدداً توسط یک آسیب‌شناس برای اینکه خطای انسانی را کاهش دهد دوباره بررسی می‌شد.
به گفته محققان، تحقیقات اسکینر در مورد اپی‌ژنتیک برای مطالعات بزرگ تقریبا یک سال برای انسان طول می‌کشد. اکنون، با یک مدل جدید یادگیری عمیق هوش مصنوعی، محققان می‌توانند داده‌های مشابه و دقیق‌تری را ظرف چند هفته به دست آورند.
مهندسان کامپیوتر این مدل را با میلیاردها پیکسل ادغام کرده‌اند که برای ویرایش تصاویر با وضوح بسیار بالا حیاتی است. مهندسان قابلیت اسکن کاشی‌های کوچک تصاویر را همراه با قراردهی آنها در بافت بخش‌های بزرگتر در نظر می‌گیرند.
علاوه بر این، این سیستم دارای پس انتشار است. به این معنی که از اشتباهات خود درس می‌گیرد، آنها را اصلاح می‌کند و سعی می‌کند آنها را تکرار نکند.