استفاده از هوش مصنوعی در ماموگرافی

AI on mammogram

چکیده مقاله

آنچه در این مقاله خواهید خواند:

سرطان سینه، بیشتر در ماموگرافی تشخیص داده می‌شود. متأسفانه ماموگرافی، مانند بسیاری از آزمایش‌های تشخیصی، کامل نیست و همیشه نمی‌تواند سرطان را تشخیص دهد. در واقع، از هر پنج زن، یک نفر ممکن است سرطانش در ماموگرافی نادیده گرفته شود. سرطان سینه شایع ترین نوع سرطانی است که زنان را درگیر می‌کند و از هر هشت زن در طول زندگی یک زن را مبتلا می‌کند. زنان مبتلا به سرطان که در ماموگرافی تشخیص داده می‌شود عمدتاً در بلند مدت قادر به درمان کامل هستند. بنابراین ما واقعاً باید روش تشخیص و درمان زنان مبتلا به سرطان سینه را بهبود بخشیم.

تشخیص سرطان سینه با ماموگرافی

غربالگری با استفاده از هوش مصنوعی  راه حل مناسبی است. غربالگری پستان نقش بسیار مهمی در بهبود نتایج سرطان در سراسر جهان داشته است. دو چالش اصلی برای تشخیص سرطان سینه با ماموگرافی وجود دارد. اولی منفی کاذب یا تشخیص ندادن سرطان است. طرف دیگر معادله،  یک مثبت کاذب است، به این معنی که ما فکر می کنیم سرطان دارند در حالی که واقعاً سرطان ندارند.

AI on breast screening

 

استفاده از هوش مصنوعی در غربالگری سینه

کامپیوترها مانند انسان چیزهای زیادی یاد می گیرند. آنها با مثال یاد می‌گیرند و برای اینکه به کامپیوتر یاد بدهیم چگونه ماموگرافی را تفسیر کند، باید نمونه‌های بسیار زیادی را به آن نشان می‌دادیم – آنهایی که حاوی سرطان هستند و آنهایی که ندارند. و ما نظارت می کنیم و می گوییم این موارد مثبت است و این موارد منفی است. و پس از تکرارهای بسیار بسیار زیاد و نشان دادن آنها و از طریق آزمون و خطا، در نهایت یاد می گیرد که کارها را درست کند. در آزمایشی،  شش رادیولوژیست حضور داشتند  که تمام این موارد را بررسی کنند و تشخیص می دادند که آیا فکر می کنند سرطان وجود دارد یا خیر. همچنین الگوریتمی وجود داشت که همان کار را انجام می داد اما خیلی بهتر انجام می داد. هیجان‌انگیزترین بخش این کار این است که با کمک الگوریتم توانستند ۹ درصد بیشتر سرطان را در غربالگری تشخیص دهند. همچنین بسیار هیجان انگیز این است که توانستند میزان مثبت کاذب را تا ۵.۷٪ کاهش دهند.

 

Breast cancer

 

ماموگرافی بالا، یک بدخیمی را نشان می دهد که با رنگ زرد مشخص شده است که هر شش رادیولوژیست آن را از دست داده اند اما الگوریتم آن را تشخیص داده است. با این حال، مواردی نیز وجود داشت که هر شش رادیولوژیست تشخیص دادند اما الگوریتم این کار را نکرد. و بنابراین واضح است که آنها امیدوارانه تصمیمات تکمیلی می‌گیرند و ما از هم افزایی قرار دادن آنها در کنار هم هیجان زده هستیم. در واقع AI و رادیولوژیست ها در کنار هم تشخیص را بهتر انجام می‌دهند. ما قطعاً می‌خواهیم از این ابزار هوش مصنوعی به صورت بالینی استفاده کنیم. بهترین راه برای انجام این کار این است که آن را به عنوان ابزاری در اختیار پزشکان قرار دهید تا از آن استفاده کنند. در بسیاری از موارد با هوش مصنوعی، استفاده از این ابزارها به پزشکان اجازه می‌دهد تا زمان آزاد بیشتری داشته باشند تا روی چیزی که همه ما برای آن به دانشکده پزشکی رفتیم، یعنی مراقبت از بیماران، تمرکز کنند. ما در مورد توانمندسازی رادیولوژیست‌ها با این ابزارها هیجان‌زده هستیم و امیدواریم که این ابزارها در همه جا حاضر شوند، مانند بررسی املا که اکنون در زندگی شما نفوذ کرده است. بدون بررسی املا به نوشتن ایمیل فکر نمی‌کنید. و ما امیدواریم که پزشک بدون استفاده از کمک هوش مصنوعی ماموگرافی را تفسیر نکند.

 

 AI assistance

mammogram

 

در پایان شما را به خواندن مقاله‌ای که ارزیابی ChatGPT توسط رادیولوژیست‌ها را شرح می‌دهد، دعوت می‌کنم.

 

 

 

مجله مارکوپکس

آخرین مقاله‌ها

یکپارچه سازی RIS-PACS
مجله مارکوپکس

یکپارچه سازی RIS/PACS

یکپارچه سازی RIS/PACS RIS و PACS هر کدام نقش‌ جداگانه‌ای در اکوسیستم درمان ایفا می کنند، اما یکپارچه سازی این دو سیستم و ترکیب قابلیت

سیستم اطلاعات رادیولوژی
مجله مارکوپکس

سیستم اطلاعات رادیولوژی : مدیریت گردش کار

سیستم اطلاعات رادیولوژی : مدیریت گردش کار تصویربرداری از اهمیت بسیاری در خدمات درمانی برخوردار است، و در تشخیص و درمان اکثر موارد پزشکی کمک

تازه‌های مارکوپکس

به دنبال مطلب خاصی هستید؟