رادیولوژی با هوش مصنوعی

یک ربات هوش مصنوعی تقریباً به اندازه پزشکان در معاینه رادیولوژی امتیاز کسب کرد اما هنوز برای جایگزینی انسان آماده نیست!

رادیولوژی با هوش مصنوعی: برخی از هوش مصنوعی خوب ممکن است و شاید دقیقاً همان چیزی باشد که پزشک دستور داده است یا حداقل یک روز به زودی قابل استفاده باشد.
محققان در بریتانیا دریافتند که یک سیستم هوش مصنوعی اخیراً یک آزمون رادیولوژی را با میانگین دقت کلی 79.5٪ در 10 آزمایش گذرانده است. این بد نیست، با در نظر گرفتن میانگین دقت رادیولوژیست های واقعی انسانی 84.8٪ است.
محققان که مطالعه خود را در مجله پزشکی بریتانیا منتشر کردند، می‌خواستند تعیین کنند که آیا یک ربات هوش مصنوعی می‌تواند بخش «گزارش‌دهی سریع» از آزمون فلوشیپ کالج سلطنتی رادیولوژیست‌ها را که رادیولوژیست‌ها در بریتانیا موظف به قبولی در آن هستند، قبول کند یا خیر. آموزش کامل
بخش گزارش سریع آزمون سه قسمتی، داوطلبان را ملزم می کند که 30 عکس رادیوگرافی را در 35 دقیقه تفسیر کنند. برای قبولی، داوطلبان باید حداقل 90 درصد رادیوگرافی ها را به درستی گزارش کنند. هوش مصنوعی در دو مورد از 10 تستی که انجام داد، امتیازی بالاتر از 90 درصد به دست آورد.
محققان گفتند: «این بخش از معاینه برای کاندیدهای تست استرس برای سرعت و دقت طراحی شده است، و ترکیبی از موارد چالش برانگیز طبیعی و غیرطبیعی را ارائه می‌کند که معمولاً توسط پزشک عمومی و بخش اورژانس برای تفسیر رادیولوژی در عمل بالینی ارجاع می‌شوند.»
محققان از 10 آزمون گزارش‌دهی سریع FRCR ساختگی برای این مطالعه استفاده کردند. نامزد هوش مصنوعی یک ابزار هوشمند توسعه یافته توسط شرکت فرانسوی هوش مصنوعی Milvue بود که به صورت تجاری در دسترس است. این مطالعه همچنین شامل 26 رادیولوژیست بود که در یک سال گذشته امتحان واقعی FRCR را انجام داده و قبول شده بودند.
هنگامی که تصاویر غیرقابل تفسیر آنهایی که هوش مصنوعی اصلاً آنها را ثبت نمی کند استفاده نمی شد، داوطلب هوش مصنوعی میانگین دقت کلی 79.5٪ داشت و می توانست دو آزمون از 10 آزمون آزمایشی را پشت سر بگذارد. رادیولوژیست ها دقت 84.8 درصدی داشتند و به طور میانگین توانستند چهار آزمون از 10 آزمون آزمایشی را پشت سر بگذارند.
هوش مصنوعی تصاویری را تشخیص داد که معمولاً در 91٪ مواقع توسط رادیولوژیست ها به درستی تشخیص داده می شد. برای تصاویری که اکثر رادیولوژیست‌ها به اشتباه تشخیص داده‌اند، هوش مصنوعی تنها در 50 درصد موارد اشتباه می‌کرد و دست‌ها، استخوان‌های کارپال و پاها را به درستی تشخیص می‌داد.
کاندیدای هوش مصنوعی به آموزش بیشتر برای تجزیه و تحلیل مناطقی که «غیرقابل تفسیر» در نظر گرفته می شوند مانند شکم و اسکلت محوری نیاز دارد.
در حالی که داوطلب هوش مصنوعی دقت «نسبتاً بالایی» داشت، اما تنها کاندیدای بالاترین امتیاز برای یکی از آزمون‌های آزمایشی بود.
محققان گفتند: «نامزد هوش مصنوعی برای دستیابی به همان سطح عملکرد و مهارت یک رادیولوژیست متوسط اخیراً واجد شرایط FRCR، همچنان به آموزش بیشتر نیاز دارد.

بیشتر بخوانید: مقایسه نرم‌افزار حسابداری ابری با نرم‌افزارهای سنتی: کدام بهتر است؟

تالیف:
فروشگاه اینترنتی آ.اس.پ (اقتباس از مقاله‌ای از Engadget)
در صورت استفاده از این مقاله، نام و آدرس فروشگاه اینترنتی آ.اس.پ را به عنوان منبع ذکر کنید.