Hayvanlar bile yeni Corona virüsüne karşı bağışık değil

Yeni bir araştırmaya göre, bir doktora selfie göndermek, kalp hastalığını teşhis etmenin ucuz ve ucuz bir yolu olabilir. Bu çalışmada, dört yüz görüntüsünü analiz etmek ve koroner arter hastalığını (KAH) teşhis etmek için bir derin öğrenme algoritması kullanılmıştır. Algoritmanın daha fazla geliştirilmesine ve farklı etnik ve ırksal geçmişe sahip daha büyük insan grupları üzerinde test edilmesi gerekmesine rağmen, araştırmacılar, yüksek riskli bireylerde ve gruplarda kalp hastalığını tespit etme potansiyelini görüyorlar. Pekin, Çin Ulusal Kardiyovasküler Hastalıklar Merkezi araştırma başkanı ve müdür yardımcısı Profesör Zhi Zheng’e göre:

Bu, yüzleri analiz etmek ve kalp hastalığını tespit etmek için yapay zekayı kullanan ilk projedir ve derin öğrenme araçları geliştirmede ileri bir adımdır. Bu yöntemde hastaların selfie’si çekilerek kalp hastalıkları değerlendirilebilir. Nihai hedefimiz, yüksek riskli bireylerde kalp krizi riskini değerlendirmek için bir öz bildirim uygulaması geliştirmektir. Bu yöntem ucuz, basit ve etkilidir. Elbette, algoritmanın farklı popülasyonlar ve ırklar için değiştirilmesi ve değerlendirilmesi gerekiyor.

Mevcut verilere göre, bazı yüz özellikleri doğrudan artmış kalp hastalığı riski ile ilgilidir. Bunlar arasında saçta incelme veya grileşme, kulak zarındaki kırışıklıklar, çatlaklar ve kırışıklıklar, ksantelazma (genellikle göz kapağı çevresinde deri altında sarı veya beyaz kolesterol birikimi) ve korneal ark (kolesterol ve yağ birikimi, bunun sonucunda donuk beyaz, gri daireler) bulunur. Veya korneanın dış katmanlarında mavi). Bununla birlikte, kalp hastalığını tahmin etmek ve doğru bir şekilde ölçmek genellikle zordur.

Araştırmacılar, Temmuz 2017 ile Mart 2019 arasında sekiz Çin hastanesinden 5,796 hastadan alınan verileri kullandı. Hastalar, kan damarlarını, arteriyel anjiyografiyi ve arteriyel tomografi anjiyografisini (CCTA) incelemek için fotoğraflandı. Hastalar rastgele eğitim gruplarına (5216 hasta,% 90) ve değerlendirmeye (580 hasta,% 10) ayrıldı.

Hemşireler hastaları dört açıdan fotoğraflamak için dijital kameralar kullandı: yüz yukarı, iki profil fotoğrafı ve yukarıdan görünüm. Ayrıca sosyoekonomik durum, yaşam tarzı ve tıbbi geçmiş hakkında veri toplamak için hastalarla görüştüler. Radyologlar, hastaların anjiyogramlarını inceledi ve kan damarlarının yüzde 50 veya daha fazla daralmasının yanı sıra arterlerin konumuna bağlı olarak kalp hastalığının derecesini değerlendirdi. Bu bilgi, derin öğrenme algoritmasını oluşturmak, eğitmek ve değerlendirmek için kullanıldı.

Bulgulara göre, elde edilen algoritmanın kalp hastalığını öngörmedeki performansı, mevcut yöntemlerden (Diamond-Forster modeli ve klinik sınıf CAD) daha iyidir. Değerlendirme grubundaki algoritma tespiti vakaların% 80’inde doğruydu. Deney grubunda duyarlılık% 80’dir. Profesör Jay’e göre:

Algoritmanın vasat bir performansı vardı ve daha fazla tıbbi bilginin performansını iyileştirme üzerinde hiçbir etkisi yoktu. Sonuç olarak, yüz görüntülerine dayanarak olası kalp hastalığını tahmin etmek için kullanılabilir. Yanaklar, alın ve burun algoritmaya daha fazla bilgi sağlar.

İlgili Makaleler:

Diğer ırk gruplarını test etme ihtiyacına ek olarak, çalışmanın kısıtlılıklarından biri de örneklerdeki küçük farklılıklar ve dolayısıyla algoritmanın diğer gruplara genellenebilirliğini azaltmasıydı. Oxford Üniversitesi’nde kardiyovasküler tıp profesörü olan Charalambos Antoniades ve DPhil öğrencisi Dr. Christo Katanidis bu çalışma hakkında yazıyorlar:

Genel olarak, Lane ve arkadaşlarının araştırması, tıbbi tanıda yeni potansiyel göstermektedir. Lane ve diğerlerinin Algoritmasının kararlılığının nedenlerinden biri, derin öğrenme algoritmalarının girdi olarak yalnızca bir görüntü gerektirmesi ve büyük ölçekte uygulanabilmesidir. Özçekim kullanmak, nüfusu filtrelemek ve daha eksiksiz değerlendirmeler yapmak için en uygun yoldur. Böyle bir yaklaşım, kardiyovasküler hastalık izleme programları zayıf olan dünyanın dezavantajlı bölgelerine çok yardımcı olabilir.

Yukarıdaki araştırmanın sınırlamalarından bazıları, testi daha büyük popülasyonlarda geliştirmek ve değerlendirmek için gerekli olan özelliklerin eksikliğidir. Ayrımcı amaçlar için bilgilerin kötüye kullanılması olasılığı da vardır. Bir yüz görüntüsünden kasıtsız olarak hassas tıbbi verilerin alınması, gizlilik tehditlerine yol açabilir. Sonuç olarak tıpta yapay zekanın kullanımına ilişkin gerekli incelemeler yapılmalıdır. Araştırmanın yazarları bu konuda şunları söylüyor:

Bu teknolojilerin geliştirilmesinde ve uygulanmasında öncelikle etik sorunlar gelmektedir. Tıbbi cihazlarla ilgili gelecekteki araştırmaların mahremiyet, güvenlik ve diğer sosyal kavramlara ayrılması gerektiğine ve yapay zeka cihazlarının yalnızca tıbbi amaçlarla kullanılması gerektiğine inanıyoruz.

Leave a Reply

Your email address will not be published. Required fields are marked *