بررسی کارایی هوش مصنوعی در تشخیص ندولهای ریوی

ارزیابی ها نشان داده هوش مصنوعی مزایای زیادی در محیط بالینی با منابع محدود و با تعداد بالای بیمار اما تعداد رادیولوژیست کم ارائه می دهد. در این مقاله به بررسی کارایی هوش مصنوعی در تشخیص ندولهای ریوی در سی تی اسکن در محیط پزشکی با منابع محدود و پزشکان کم می پردازیم.

بررسی کارایی هوش مصنوعی در تشخیص ندولهای ریوی

سرطان ریه از عوامل اصلی مرگ و میر در اثر سرطان در دنیا است و تشخیص سریع این بیماری با سی تی اسکن می تواند به کاهش مرگ و میر کمک کند. اما تفسیر سی تی اسکن به دلیل متفاوت بودن تجربه و دانش و آموزش پزشکان رادیولوژیست و نیز احتمال خطای انسان می تواند چالش های مداومی ایجاد کند که دقت تشخیصی را کاهش می دهد و حتی متناقض می سازد.

از سوی دیگر با شیوع پاندمی کرونا در سال 2019 و احتمال درگیری ریه بیماران ، آگاهی از سلامت تنفسی در سراسر دنیا افزایش پیدا کرد که بدین منظور به دلیل دسترسی بالا و مقرون به صرفه بودن ، از سی تی اسکن قفسه سینه کمک گرفته شد. بخصوص در کشور چین ارزیابی ریه با سی تی اسکن با دز پایین به یک بخش استاندارد معاینات بهداشتی در سرتاسر این کشور تبدیل شد.

بدین ترتیب ندول های ریوی زیادی شناسایی شد بطوریکه از میزان تشخیص ۴۶ درصد قبل از دوران کرونا به ۵۷ درصد در طول معاینات معمول در زمان کرونا رسید. افزون بر این تعداد زیادی سرطان ریه در بانوان جوان و غیرسیگاری نیز شناسایی شد که با جمعیت شناسی پرخطر نیز در تضاد بود.

مقالات دیگر : نقش هوش مصنوعی در رادیولوژی اورژانس

افزایش ندولهای شناسایی شده در سی تی اسکن خصوصا افراد غیرپرخطر ، منجر به چالش جدید برای سرطان ریه در بیمارستانهای درجه دو ایجاد کرد که بخش بزرگی از غربالگری در سطح جمعیت را مدیریت می کنند. در عین حال بیمارستانهای درجه 3 و تخصصی نیز با محدودیت منابع و دسترسی محدود به پزشکان رادیولوژیست با تجربه و فناوری های تشخیصی پیشرفته مواجه بودند که کیفیت تشخیصی را پایین می آورد.

بنابراین افزایش ظرفیت تشخیصی در محیط ها بالینی مانند همه بیمارستانها و مراکز پزشکی به جهت بهبود نتایج بالینی و گسترش دسترسی همه افراد به مراقبت بهداشتی با کیفیت بالا بسیار مهم شد. بدین منظور نرم افزارهای تصمیم گیری DMS با کمک هوش مصنوعی به افزایش عملکرد تشخیصی و کارایی بالینی مورد استفاده قرار گرفت.

الگوریتم های هوش مصنوعی به جهت شناسایی خودکار و نیز طبقه بندی ریسک بدخیم بودن ندول های ریوی طراحی شده اند تا به کاهش زمان خواندن تصاویر توسط پزشکان رادیولوژيست و بهبود عملکرد تشخیصی کمک کند. گرچه ادغام DMS با هوش مصنوعی در گردش کار بیمارستانها چالش بزرگ محسوب می شد اما در چین این برنامه در بیمارستانهای سطح سوم با منابع خوب و رادیولوژيست های باتجربه در دسترس می باشد.

با وجود این پیشرفتها و شرایط مطلوب ، آمارها نشان داده که از حدود 160 بیمارستان سطح سوم در 6 استان چین ، فقط 23 درصد نرم افزار هوش مصنوعی را نصب و یا آزمایش کرده اند و این بیانگر شکاف پیاده سازی فناوری تشخیصی با هوش مصنوعی است.

مقالات دیگر : بررسی هوش مصنوعی در تشخیص سرطان

نتایج بررسی 200 سی تی اسکن قفسه سینه با و بدون هوش مصنوعی

در یک مطالعه دیگر ، در یک بیمارستان با سه پزشک متخصص ریه و سه پزشک رادیولوژیست ، 200 سی تی اسکن قفسه سینه انجام شد تا تشخیص پزشکان رادیولوژیست با و بدون کمک هوش مصنوعی ارزیابی شود. از این تعداد حدود نیمی از ندولها خوش خیم و نیمی دیگر بدخیم بود تا چالش مداوم برای پزشکان و سیستم هوش مصنوعی ایجاد شود.

نتایج نشان داد که هوش مصنوعی عملکرد تشخیصی پزشک رادیولوژیست را در مدیریت ندول ریوی با سی تی اسکن بطور چشمگیری بهبود بخشید.

نتایج بررسی 291 بیمار با ندولهای ریوی با و بدون هوش مصنوعی

مطالعه دیگری از سال 2023 تا 2024 بر روی 291 بیمار در بیمارستان دانشگاه چونگ کینگ انجام شد تا نقش هوش مصنوعی در تشخیص ندولهای ریوی ارزیابی گردد. همه این بیماران سی تی اسکن قفسه سینه با دوز پایین انجام دادند که در همه ندول ریوی شناسایی شد و در ادامه جراحی قفسه سینه بر روی این افراد به جهت تائيد پاتولوژیک صورت گرفت.

در این مطالعه دقت پیش بینی تشخیص هوش مصنوعی با تشخیص پزشک در تمایز ندولهای خوش خیم و بدخیم مقایسه شد و 226 مورد از این ندولها بدخیم و 65 مورد خوش خیم شناسایی شدند. یافته ها نشان داد که سیستم مبتنی بر هوش مصنوعی بطور موثر احتمال بدخیمی ندولهای ریوی را محاسبه می کند ، ازین رو می تواند ابزاری کمکی برای پزشکان رادیولوژیست در فرآیند تشخیصی عمل کند.

معرفی نرم افزار

فیلم رادیولوژی PPQ

فیلم رادیولوژی PPQ نرم افزاریست تحت وب که امکان مشاهده تصاویر سی تی اسکن ، رادیولوژی ، ام آر آی و ... را در موبایل فراهم می سازد بطوریکه تصاویر با کیفیت عالی و معادل خروجی مدالیته انجام خدمت ارائه می شود که نقش مهمی در تشخیص بیماریها توسط پزشک ایفا می کند.

این نرم افزار دارای سیستم ابری بوده و پس از اتمام تصویربرداری از بیمار ، بهترین تصاویر بیمار به این سیستم ابری ارسال شده و در ادامه فضای ابری ، کد رمزگذاری شده به پرینتر مجازی شبکه ارائه می دهد. این کد همان بارکد دوبعدی

ادامه مطلب در این صفحه

برای کسب اطلاعات بیشتر با شماره 09111366703 تماس حاصل فرمایید.

نرم افزار پزشکی سپاس92

اینستاگرام : https://instagram.com/sepas92

نویسنده : مهندس محمد شیخی نژاد

دارای مدرک MCSE

دستاوردها : مقالات علمی در زمینه IT و طراح نرم افزارهای پزشکی

عضو شرکتهای دانش بنیان زیرنظر معاونت پژوهشی دانشگاه گیلان