به گزارش ستاره ها به نقل از ایسنا؛ یک شرکت به نام “Zebra Medical Vision” یک سرویس جدید را به نام “Zebra AI1” معرفی کرده است که از الگوریتم‌هایی برای بررسی اسکن پزشکی شما به ازای یک دلار استفاده می‌کند.

به نقل از انگجت، موتور یادگیری عمیق می‌تواند سی تی اسکن، ام.آر.آی (MRI) و دیگر اسکن‌ها را بررسی کرده و به طور خودکار بیماری‌های ریوی، کبد، قلب و استخوان را تشخیص دهد.

مسؤولان این شرکت می‌گویند: توانایی‌های جدید مانند تشخیص سرطان ریه و سرطان سینه، ترومای مغزی، فشار خون بالا و دیگر موارد به زودی ممکن می‌شود.

نتایج پس از بررسی اسکن‌ها به متخصصان رادیولوژیست منتقل می‌شود. این کار منجر به حذف زمان برای تشخیص و یا درخواست آزمایش بیشتر توسط رادیولوژیست‌ها می‌شود.

“انگجت” با “الاد بنجامین”، مدیرعامل و یکی از بنیانگذاران شرکت “Zebra-Med در کنفرانس “Hello Tomorrow” در پاریس دیدار کرد و خبرهای مربوط به اسکن را منتشر کرد.

وی گفت: ما محصولی داریم که به طور خودکار داده‌های تصویربرداری پزشکی را از سی تی اسکن، اشعه ایکس و غیره، خوانده و تحلیل می‌کند و “AI1” مجموعه‌ای کامل از خدمات را با پایه یک دلار فراهم می‌کند.

سیستم در حال حاضر می‌تواند 11 بیماری مختلف را شناسایی کند و تا پایان سال 2017 نیز می‌تواند 6 بیماری دیگر را شناسایی کند.

این شرکت در مجموع 35 محصول تشخیصی دارد که طی یک سال آینده آنها را عرضه می‌کند. یک نمونه از بیماری‌هایی که می‌تواند تشخیص دهد، انسداد کلسیمی (کلسیم کرونری) است که اگر مقدار زیادی از آن در شریان بیمار ایجاد شود، می‌تواند یک حمله قلبی یا سکته مغزی ایجاد کند.

“بنجامین” گفت: ما یک الگوریتم داریم که می‌تواند به طور خودکار سی تی اسکن سینه را دریافت کند و یک عدد را تعیین می‌کند که دقیقا اندازه گیری کلسیم کرونری است. این اندازه‌گیری می‌تواند مراقبت بسیار بهتر از آن بیمار را فراهم کند.

یافته‌های الگوریتم Al1 با سیستم‌های اطلاعات رادیولوژی (RIS) و سیستم‌های ارتباطات آرشیو عکس (PACS) که توسط موسسات پزشکی در ایالات متحده آمریکا، انگلستان و دیگر نقاط دنیا مورد استفاده قرار می‌گیرند، یکپارچه شده است.

این امکان اجازه می‌دهد تا رادیولوژیست‌ها به راحتی از نتایج یادداشت‌های Zebra-Med به عنوان بخشی از خواندن و گزارش کار خود، استفاده کنند.

“بنجامین” گفت: یک بیمار به یک مؤسسه می‌آید و یک اسکن می‌گیرد و سپس به تعدادی از رادیولوژیست‌ها منتقل می‌شود. هنگامی که یک اسکن خاص برای بررسی مورد آزمایش قرار می‌گیرد، دستیار رادیولوژیست ما به طور خودکار به تشخیص درست می‌رسد و نتایج آن را نشان می‌دهد. این نتایج در گزارش نهایی رادیولوژیست‌ها گنجانده می‌شود که به اطلاع پزشکان نیز می‌رسد تا بتوانند تعیین کنند که چه مراحل بعدی باید طی شود.

“بنجامین” خاطرنشان می‌کند که هوش مصنوعی در انجام تحلیل بصری بسیار خوب عمل کرده است، زیرا در سیستم‌های متعدد برای تشخیص چهره و اجسام در برنامه‌های گوشی‌های هوشمند و سایر محصولات استفاده می‌شود.

این موضوع آن را به‌ویژه برای MRI، سی تی اسکن و تجزیه و تحلیل اشعه ایکس مناسب می‌کند. با این حال AI1 برای موثرتر بودن، باید بسیاری از اسکن‌های پزشکی را تجزیه و تحلیل کند.

وی توضیح داد: ما با همکاری بیمارستان‌ها کارمان را شروع کردیم که دسترسی به میلیون‌ها داده را برای ما فراهم کردند.

بر اساس اعلام این شرکت، دو میلیارد نفر در دهه آتی وارد دوران میانسالی خواهند شد، اما تعداد رادیولوژیست‌ها ثابت باقی مانده است. در نتیجه، رادیولوژیست‌های فعلی بدون استفاده از سیستم‌های الگوریتمی، مستاصل می‌شوند.

“Zebra-med” تنها شرکتی نیست که بر روی این سیستم کار می‌کند. IBM نیز در حال آموزش و آماده‌سازی “واتسون” (Watson) برای خواندن اسکن‌های پزشکی است و همچنین از این تکنولوژی برای کمک به تعیین افرادی که ممکن است به بیماری‌های خاص مبتلا شوند، استفاده می‌کند.

برنامه‌های کاربردی برای تشخیص سرطان پانکراس با بررسی چشمان شما مورد استفاده قرار می‌گیرند و یک سیستم دیگر می‌تواند علائم اولیه بیماری آلزایمر را با بررسی اسکن MRI مغز تشخیص دهد.

“بنجامین” معتقد است ما برای انجام چنین کارهایی، بیش از حد به هوش مصنوعی وابسته نیستیم.

وی می‌گوید: امروزه پزشکان از شدت کار زیاد بسیار تحت فشار قرار گرفته‌اند. من معتقدم که ابزارهایی مانند “زبرا” می‌تواند به عنوان یک جفت چشم اضافی به رادیولوژیست‌ها کمک کند تا تمام بیماری‌های بالقوه یک فرد را بدون از دست دادن هیچ نکته و احتمالی شناسایی کنند.



لینک منبع

مطلب تشخیص بیماری توسط هوش مصنوعی در ازای تنها یک دلار! در سایت مفیدستان.


لینک منبع و پست :تشخیص بیماری توسط هوش مصنوعی در ازای تنها یک دلار!
http://mofidestan.ir/%d8%aa%d8%b4%d8%ae%db%8c%d8%b5-%d8%a8%db%8c%d9%85%d8%a7%d8%b1%db%8c-%d8%aa%d9%88%d8%b3%d8%b7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c-%d8%af%d8%b1-%d8%a7%d8%b2%d8%a7%db%8c-%d8%aa%d9%86/