تکنولوژی و اینترنت

پژوهش تازه: هوش مصنوعی در پیش‌بینی خطر مرگ عملکرد بهتری از پزشکان دارد

بر اساس مطالعه‌ای که به‌تازگی به‌صورت آنلاین در نشریه لنست دیجیتال هلث (The Lancet Digital Health) منتشر شد، استفاده از هوش مصنوعی برای ارزیابی عملکرد قلب از طریق تصاویر ام‌آر‌آی، در پیش‌بینی احتمال زنده ماندن بیماران عملکرد بهتری نسبت به تفسیر پزشکان دارد. جو…

2 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • مصنوعی
  • هوش
  • اندازه‌گیری
  • ارزیابی
  • اختلاف
  • پیش‌بینی
پژوهش تازه: هوش مصنوعی در پیش‌بینی خطر مرگ عملکرد بهتری از پزشکان دارد

خلاصه تحلیلی خبر

بر اساس مطالعه‌ای که به‌تازگی به‌صورت آنلاین در نشریه لنست دیجیتال هلث (The Lancet Digital Health) منتشر شد، استفاده از هوش مصنوعی برای ارزیابی عملکرد قلب از طریق تصاویر ام‌آر‌آی، در پیش‌بینی احتمال زنده ماندن بیماران عملکرد بهتری نسبت به تفسیر پزشکان دارد. جو…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، مصنوعی، هوش، اندازه‌گیری، ارزیابی

بر اساس مطالعه‌ای که به‌تازگی به‌صورت آنلاین در نشریه لنست دیجیتال هلث (The Lancet Digital Health) منتشر شد، استفاده از هوش مصنوعی برای ارزیابی عملکرد قلب از طریق تصاویر ام‌آر‌آی، در پیش‌بینی احتمال زنده ماندن بیماران عملکرد بهتری نسبت به تفسیر پزشکان دارد.

جورج جوی، پژوهشگر دانشگاه سیتی سنت جورج لندن و همکارانش بررسی کردند که آیا بخش‌بندی خودکار تصاویر قلب با استفاده از هوش مصنوعی مبتنی بر یادگیری عمیق و اندازه‌گیری کسر جهشی، در پیش‌بینی مرگ‌ومیر به هر علت، از ارزیابی متخصصان بالینی دقیق‌تر عمل می‌کند یا خیر. این بررسی شامل ۲۷ هزار و ۳۸۲ بیمار متوالی بود که همگی در ابتدای مطالعه تحت ام‌آر‌آی قلب قرار گرفته بودند.

برتری هوش مصنوعی در پیش‌بینی مرگ‌ومیر

نتایج نشان داد که طی دوره پیگیری ۵.۶ ساله، اندازه‌گیری کسر جهشی با هوش مصنوعی از نظر برازش مدل آماری عملکرد بهتری داشت؛ به‌طوری‌که اختلاف معیار اطلاعات آکائیکه با مقدار ۱۶۱ به نفع هوش مصنوعی ثبت شد. همچنین شاخص تفکیک‌پذیری مدل نیز با اختلاف ۰.۰۳۳ اندکی بهتر بود.

هنگامی که نتایج اندازه‌گیری هوش مصنوعی به ارزیابی پزشکان اضافه شد، برازش مدل به‌طور معناداری بهبود یافت و مقدار کای‌دو به ۱۶۸ رسید. در مقابل، اضافه کردن اندازه‌گیری پزشکان به نتایج هوش مصنوعی تنها بهبود محدودی ایجاد کرد و مقدار کای‌دو به ۷.۵ رسید.

پس از در نظر گرفتن تأثیر سن و جنسیت بیماران نیز اندازه‌گیری کسر جهشی با هوش مصنوعی همچنان برتری خود را حفظ کرد. اختلاف معیار اطلاعات آکائیکه در این تحلیل ۵۹ بود و شاخص تفکیک‌پذیری نیز با اختلاف ۰.۰۰۴ اندکی به نفع هوش مصنوعی تغییر کرد.

جورج جوی درباره نتایج این پژوهش گفت

یافته‌های ما نشان می‌دهد هوش مصنوعی می‌تواند این شاخص مهم قلبی را با ثبات و دقت چشمگیری اندازه‌گیری کند و در نتیجه، بهبود کوچکی اما معنادار در شناسایی بیمارانی ایجاد کند که در معرض خطر بالاتری قرار دارند.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.