سایر زبان ها

صفحه نخست

فیلم

عکس

ورزشی

اجتماعی

باشگاه جوانی

سیاسی

فرهنگ و هنر

اقتصادی

هوش مصنوعی، علم و فناوری

بین الملل

استان ها

رسانه ها

بازار

صفحات داخلی

مدل هوش مصنوعی که مسیر تشخیص زودهنگام سرطان را هموار می‌کند

۱۴۰۴/۰۷/۲۱ - ۱۹:۱۵:۰۱
کد خبر: ۲۲۶۷۰۷۲
پژوهشگران دانشگاه کارنگی ملون با طراحی سامانه‌ای هوشمند به نام CATCH-FM موفق شده‌اند با تحلیل سوابق الکترونیکی سلامت بیماران، افرادی را که در معرض ابتلا به سرطان هستند شناسایی کنند. در آزمایش‌های اولیه، بین ۵۰ تا ۷۰ درصد از بیمارانی که سیستم به‌ عنوان پرخطر معرفی کرده بود، بعدها به سرطان مبتلا شدند.

به گزارش برنا، پژوهشگران دانشگاه کارنگی ملون (Carnegie Mellon University) با رهبری دکتر Chenyan Xiong سامانه‌ای هوش مصنوعی به نام CATCH-FM (اختصاری برای CATch Cancer early with Healthcare Foundation Models) طراحی کرده‌اند که می‌تواند بر اساس سوابق الکترونیکی سلامت (EHR) افراد، ریسک ابتلا به سرطان را پیش‌بینی کند. این ابزار با تحلیل فاکتورهایی مانند تشخیص‌های قبلی، نسخه‌های مصرف‌شده، و سایر داده‌های سلامت، افراد با احتمال بالا را شناسایی می‌کند.

در آزمایش‌های انجام‌شده، محققان متوجه شدند بین ۵۰ تا ۷۰ درصد از بیمارانی که توسط این سیستم به‌عنوان پرخطر معرفی شده‌اند، بعدها در همان سرطان (مثلاً ریه، کبد یا پانکراس) تشخیص داده شده‌اند. این درصد نشان‌دهنده عملکرد امیدبخش در شناسایی زودتر سرطان‌هاست.

سامانه CATCH-FM بر مبنای مدل‌های بنیادین سلامت (Foundation Models) آموزش داده شده است. تیم توسعه‌دهنده، ابتدا مدل را با استفاده از داده‌های انبوه EHR (رمزگذاری‌های پزشکی، سوابق تشخیص و درمان) پیش‌آموزش داد، سپس آن را بر روی داده‌های انتخابی سرطان‌های ریه، کبد و پانکراس به‌روش دقیق‌تر تنظیم کردند تا الگوهای ویژه آن سرطان‌ها تشخیص داده شود.

محققان توضیح داده‌اند که CATCH-FM به گونه‌ای طراحی شده تا کار شبیه به چت‌بات‌ها را برای داده سلامت انجام دهد: یعنی بر اساس رشته‌ رویدادهای پزشکی فرد، پیش‌بینی کند چه رویداد پزشکی احتمالاً بعدی خواهد بود. این نوع مدل‌سازی به تشخیص زودتر و اولویت‌دهی افراد برای غربالگری کمک می‌کند.

در گزارش تحقیق نیز آمده است که این روش آزمایشی برای جمعیت‌های مختلف به آزمون گذاشته شده و توانسته عملکرد قابل قبولی داشته باشد، حتی در میان بیمارانی که ویژگی‌های دموگرافیک یا سامانه‌های سلامت متفاوتی دارند.

توسعه‌دهندگان این پروژه قصد دارند این سامانه را به محیط کلینیکی منتقل کنند و در همکاری با مراکز درمانی کاربرد آن را در جهان واقعی بسنجند. آنها بر این باورند که این فناوری می‌تواند روند شناسایی افراد با ریسک بالا را سریع‌تر و مقرون‌به‌صرفه‌تر کند و به پزشکان کمک نماید تا منابع محدود درمانی را بهتر مدیریت کنند.

نظر شما