از سلفی میتوان برای تشخیص بیماریهای قلبی استفاده کرد
طبق پژوهشی جدید، ارسال یک سلفی به پزشک میتواند راهحلی ارزان و کمهزینه برای تشخیص بیماریهای قلبی باشد. در این پژوهش از الگوریتم یادگیری عمیق برای تحلیل چهار عکس چهره و تشخیص بیماریهای سرخرگ کرنری (CAD) استفاده میشود. اگرچه این الگوریتم نیاز به توسعهی بیشتر دارد و باید روی گروههای بزرگتری از افراد با سوابق قومی و نژادی مختلف تست شود، پژوهشگران پتانسیل آن را برای شناسایی بیماریهای قلبی در افراد و گروههای پرخطر بالا میدانند. به گفتهی پروفسور ژی ژنگ، سرپرست پژوهش و معاون مرکز ملی بیماریهای قلبی عروقی در پکن چین:
این پژوهش، اولین پروژهای است که از هوش مصنوعی برای تحلیل چهرهها و کشف بیماریهای قلبی استفاده میکند و گامی روبه جلو در جهت توسعهی ابزارهای مبتنی بر یادگیری عمیق است. در این روش با دریافت سلفی بیماران میتوان به ارزیابی بیماریهای قلبی آنها پرداخت. هدف نهایی ما توسعهی اپلیکیشنی خودگزارشی برای ارزیابی ریسک حملات قلبی افراد پرخطر است. این روش، ارزان، ساده و اثربخش است. البته الگوریتم برای انواع جمعیتها و نژادها نیاز به اصلاح و ارزیابی دارد.
طبق دادههای موجود، برخی ویژگیهای چهره، رابطهی مستقیم با افزایش خطر بیماریهای قلبی دارند. این ویژگیها شامل نازکشدن یا خاکستریشدن مو، چین و چروک، ایجاد شکست و چین در لالهی گوش، زانتلاسما (انباشت کلسترول زرد یا سفید زیر پوست معمولا اطراف پلک) و آرکوز قرنیه (انباشت کلسترول و چربی که منجر به ایجاد حلقهای مات سفید، خاکستری یا آبی در لایههای بیرونی قرنیه میشود) هستند. بااینحال، معمولا پیشگویی و اندازهگیری دقیق بیماریهای قلبی کار دشواری است.
پژوهشگرها از دادههای ۵۷۹۶ بیمار از هشت بیمارستان چین در فاصله زمانی جولای ۲۰۱۷ و مارس ۲۰۱۹ برای بررسی خود استفاده کردند. برای بررسی رگهای خونی، آنژیوگرافی سرخرگی و آنژیوگرافی تومورگرافی سرخرگی (CCTA) از بیماران عکسبرداری شد. بیمارها بهصورت تصادفی به گروههای آموزشی (۵۲۱۶ بیمار، ۹۰ درصد) و ارزیابی (۵۸۰ نفر، ۱۰ درصد) تقسیم شدند.
پرستارها با دوربینهای دیجیتال، از چهار زاویه از بیمارها عکس گرفتند: روبهرو، دو عکس نیمرخ و نمای بالای سر. آنها همچنین برای جمعآوری دادههای مربوط به وضعیت اجتماعی و اقتصادی، سبک زندگی و تاریخچهی پزشکی، با بیمارها مصاحبه کردند. رادیولوژیستها به بررسی آنژیوگرامها بیماران پرداختند و درجهی بیماری قلبی را براساس باریک شدن رگهای خونی به اندازهی پنجاه درصد یا بیشتر و همچنین موقعیت رگها، ارزیابی کردند. از این اطلاعات برای تولید، آموزش و ارزیابی الگوریتم یادگیری عمیق استفاده شد.
طبق یافتهها، عملکرد الگوریتم به دستآمده در زمینهی پیشگویی بیماریهای قلبی بهتر از روشهای موجود (مدل دایموند فورستر و درجهی بالینی CAD) است. تشخیص الگوریتم در گروه ارزیابی، در ۸۰ درصد موارد صحیح بود. در گروه تست، میزان حساسیت ۸۰ درصد بود. به گفتهی پروفسور جی:
الگوریتم، عملکرد متوسطی داشت و اطلاعات پزشکی بیشتر، تأثیری بر بهبود عملکرد آن نداشت. درنتیجه میتوان از آن برای پیشگویی بیماریهای قلبی بالقوه براساس تصاویر چهره استفاده کرد. گونه، پیشانی و بینی اطلاعات بیشتری را دراختیار الگوریتم قرار میدهند.
علاوهبر ضرورت تست گروههای نژادی دیگر، یکی از محدودیتهای پژوهش تفاوت اندک نمونهها بود درنتیجه میزان تعمیمپذیری الگوریتم برای دیگر گروهها کاهش مییابد. چارالامبوس آنتونیادس، استاد طب قلبی عروقی دانشگاه آکسفورد و دکتر کریستو کتانیدیس، دانشجوی DPhil دربارهی این پژوهش مینویسند:
بهطور کلی، پژوهش لین و همکاران، نشاندهندهی پتانسیل جدیدی در تشخیص پزشکی است. یکی از دلایل ثبات الگوریتم لین و همکاران این است که الگوریتم یادگیری عمیق آنها تنها به یک تصویر بهعنوان ورود نیاز دارد و میتوان آن را در مقیاس بزرگ پیادهسازی کرد. استفاده از سلفیها، روشی بهینه برای فیلتر جمعیت و ارزیابیهای کاملتر است. چنین روشی میتواند کمک بزرگی به مناطق محروم جهان باشد که برنامههای نظارتی آنها در زمینهی بیماریهای قلبی عروقی ضعیف است.
برخی محدودیتهای پژوهش فوق عبارتاند از کمبودن ویژگیها که برای بهبود و ارزیابی تست در جمعیتهای بزرگتر ضروری هستند. همچنین در این روش احتمال سوء استفاده از اطلاعات برای اهداف تبعیضآمیز وجود دارد. استخراج ناخواستهی دادههای حساس پزشکی از تصویر چهره میتواند به تهدیدهای حریم خصوصی بینجامد. درنتیجه باید بازنگریهای لازم در رابطه با کاربرد هوش مصنوعی در پزشکی انجام شود. مؤلفان پژوهش در این باره میگویند:
در توسعه و پیادهسازی این فناوریها مسائل اخلاقی حرف اول را میزنند. ما معتقدیم پژوهشهای آینده در زمینهی ابزارهای پزشکی باید به حریم خصوصی، امنیت و دیگر مفاهیم اجتماعی اختصاص داده شوند و ابزارهای هوش مصنوعی صرفا با اهداف پزشکی بهکار برده شوند.
نظرات