این هوش مصنوعی با تحلیل عکس چهره شانس بقای بیماران سرطانی را تخمین میزند
پژوهشگران مرکز درمانی بریگهام در آمریکا سیستمی مبتنیبر هوش مصنوعی توسعه دادند که میتواند با تحلیل یک عکس معمولی از چهره، سن زیستی بیمار و احتمال بقای بیماران مبتلا به سرطان را تخمین بزند. یافتهها نشان میدهد تحلیل چهره ممکن است در آینده به پزشکان برای ارزیا…
خلاصه تحلیلی خبر
پژوهشگران مرکز درمانی بریگهام در آمریکا سیستمی مبتنیبر هوش مصنوعی توسعه دادند که میتواند با تحلیل یک عکس معمولی از چهره، سن زیستی بیمار و احتمال بقای بیماران مبتلا به سرطان را تخمین بزند. یافتهها نشان میدهد تحلیل چهره ممکن است در آینده به پزشکان برای ارزیا…
موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، چهره، بیماران، ابزار، تحلیل
پژوهشگران مرکز درمانی بریگهام در آمریکا سیستمی مبتنیبر هوش مصنوعی توسعه دادند که میتواند با تحلیل یک عکس معمولی از چهره، سن زیستی بیمار و احتمال بقای بیماران مبتلا به سرطان را تخمین بزند. یافتهها نشان میدهد تحلیل چهره ممکن است در آینده به پزشکان برای ارزیابی وضعیت جسمانی بیماران و تصمیمگیری درباره درمان کمک کند.
گاردیناین سیستم با نام FAHR-Face بر پایه بیش از ۴۰ میلیون تصویر چهره از افراد در سنین مختلف و با پیشینههای قومی گوناگون آموزش دیده است. پژوهشگران با این مدل، دو ابزار مکمل ساختهاند: FAHR-FaceAge که سن زیستی فرد را تخمین میزند و FAHR-FaceSurvival که احتمال بقا را از روی تصویر چهره برآورد میکند.
هرچند دو ابزار از یک مدل پایه ساخته شدهاند، اطلاعات متفاوتی از وضعیت سلامت بیمار استخراج میکنند و برای تحلیل بخشهای متفاوتی از چهره به کار میروند. FAHR-FaceAge بیشتر چینوچروکهای امتداد بینی تا گوشههای دهان، ناحیه پیشانی بالای حدقه چشم و شقیقهها را بررسی میکند. در مقابل، FAHR-FaceSurvival بر ناحیه زیر چشمها و اطراف پل بینی تمرکز دارد.
هوش مصنوعی برای بررسی شانس بقای بیماران سرطانی
در بخشی از پژوهش که بیماران سرطانی تحت پرتودرمانی در آمریکا را بررسی کرد، افرادی که ابزار FAHR-FaceAge سن ظاهری آنها را دستکم پنج سال بیشتر از سن واقعیشان تخمین زده بود، طی دوره پیگیری میانگین چهارساله با ۲۱ درصد خطر مرگ بیشتر از سایر افراد روبهرو بودند. در مقابل، خطر مرگ در بیمارانی که دستکم پنج سال جوانتر از سن واقعی خود به نظر میرسیدند، ۱۷ درصد کمتر بود.
نتایج ابزار FAHR-FaceSurvival نیز نشان داد بیمارانی که هوش مصنوعی آنها را در گروه پرخطرترین افراد از نظر مرگومیر قرار داده بود، بیش از سه برابر بیماران گروه کمخطر احتمال مرگ داشتند. این تفاوت حتی پس از درنظرگرفتن چند عامل پزشکی مرتبط با بیماران نیز از نظر آماری معنادار بود.
محققان همچنین میگویند عملکرد ابزار تخمین سن زیستی در برابر تفاوتهای رایج عکسها، ازجمله زاویه چهره، نورپردازی، حالت صورت و آرایش، نسبتاً پایدار بود. این ابزار پس از بیشتر جراحیهای زیبایی نیز عملکرد پایداری داشت، هرچند پس از جراحی بینی تغییر اندکی مشاهده شد. پژوهشگران همچنین دریافتند مصرف زیاد الکل، استفاده از مواد مخدر و سیگارکشیدن با مسنتر به نظر رسیدن افراد در تحلیل هوش مصنوعی ارتباط دارد.
پژوهشگران میگویند تحلیل عکس چهره در آینده ممکن است به ارزیابی خطر مرگ یا عوارض پس از جراحیهای بزرگ و دیگر درمانهای سرطان کمک کند. بااینحال، پیش از استفاده گسترده از این فناوری در محیطهای درمانی، به پژوهشهای بیشتری نیاز است.
یافتههای این پژوهش در ژورنالThe Lancet Digital Healthمنتشر شده است.
برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.