مجله خبری بهداشت | دندان | سلامت

اخبار سلامت | اخبار پزشکی | اخبار دندان پزشکی | سلامت دندان

الگوریتم های AI بیماری چشم دیابتی را به طور ناسازگار تشخیص می دهند ، Health News ، ET HealthWorld

1 min read

الگوریتم های هوش مصنوعی بیماری چشم دیابتی را متناقض تشخیص می دهندواشنگتن: یک مطالعه جدید به بررسی اثربخشی هفت الگوریتم غربالگری مبتنی بر هوش مصنوعی در تشخیص رتینوپاتی دیابتی ، شایع ترین بیماری چشم دیابتی منجر به کاهش بینایی می شود.

در مقاله ای در بخش مراقبت از دیابت ، محققان الگوریتم ها را با تخصص تشخیصی متخصصان شبکیه مقایسه کردند. پنج شرکت الگوریتم های آزمایش شده را تولید کردند – دو مورد در ایالات متحده (Eyenuk ، Retina-AI Health) ، یکی در چین (Airdoc) ، یکی در پرتغال (Retmarker) و دیگری در فرانسه (OphtAI).

محققان فناوری های مبتنی بر الگوریتم را بر روی تصاویر شبکیه از نزدیک به 24000 جانبازی که به دنبال غربالگری رتینوپاتی دیابتی در سیستم مراقبت های بهداشتی Veterans Affairs Puget Sound و سیستم مراقبت بهداشتی VA Atlanta از 2006 تا 2018 استفاده کردند.

محققان دریافتند که الگوریتم ها آنطور که ادعا می کنند عملکرد خوبی ندارند. بسیاری از این شرکت ها نتایج عالی را در مطالعات بالینی گزارش می دهند. اما عملکرد آنها در یک محیط واقعی مشخص نبود.

محققان آزمایشی را انجام دادند که در آن عملکرد هر الگوریتم و عملکرد غربالگرهای انسانی که در سیستم غربالگری از طریق شبکیه VA کار می کنند همه با تشخیص هایی که چشم پزشکان متخصص هنگام مشاهده تصاویر مشابه انجام دادند مقایسه شد.

سه الگوریتم در مقایسه با تشخیص پزشکان عملکرد مطلوبی دارند و عملکرد بدتری نیز دارد. اما فقط یک الگوریتم به خوبی نمایشگرهای انسانی در این آزمون انجام شده است.

محقق ارشد آرون لی ، استادیار چشم پزشکی در دانشکده پزشکی دانشگاه واشنگتن گفت: “این نگران کننده است که برخی از این الگوریتم ها به طور مداوم کار نمی کنند ، زیرا در جایی از جهان استفاده می شوند.”

تفاوت در تجهیزات و تکنیک دوربین ممکن است یک توضیح باشد. محققان گفتند که آزمایش آنها نشان می دهد که چقدر برای هر عملی که می خواهد از یک غربالگر AI برای آزمایش آن استفاده کند و پیروی از دستورالعمل های مربوط به نحوه به دست آوردن صحیح تصاویر چشم بیماران ، اهمیت دارد زیرا الگوریتم ها برای کار با حداقل کیفیت تصاویر.

این مطالعه همچنین نشان داد که عملکرد الگوریتم ها هنگام تجزیه و تحلیل تصاویر جمعیت بیماران در سیاتل و مراقبت های آتلانتا متفاوت است. این یک نتیجه شگفت آور بود و ممکن است نشان دهد که الگوریتم ها باید با تصاویر متنوع تری آموزش ببینند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *