İçindekiler:
- Makula Dejenerasyonunun Tanısı, Diyabetik Retinopati
- Uzmanların Kıt Olduğu Hastaların Tedavisi
- Doktorlara Güvene Güvenmek
- Yapay Teknoloji için Diğer Kullanımlar
27 Şubat 2018
Potansiyel Yeni bir araştırma, teknolojinin göz hastalıklarının tanı ve tedavisini nasıl hızlandırabileceğini gösteren yeni bir çalışma olarak, sağlık koşullarını teşhis ve tedavi etmek için yapay zekanın (AI) ivme kazanmaya devam ediyor.
Dergide yayınlayan 22 Şubat , AMA'nın retinal hastalıkları olan hastalara nasıl uygulanabileceğini açıklar. San Diego'daki California Üniversitesi'nden Shiley Eye Institute'de oftalmoloji profesörü olan Kang Zhang, PhD tarafından yönetilen araştırma, bir bilgisayarın maküler dejenerasyon ve diyabetik retinopati gibi yaygın göz hastalıklarını doğru ve güvenilir bir şekilde tanımayı öğrenebileceğini göstermektedir.
“Bu, bir bilgisayarı bir görüntünün ne olduğunu ve gördükleri hakkında nasıl karar verileceğini öğretmeye çalışmakla ilgili” diyor Dr. Zhang. “Hedef, bilgisayarın tıp fakültesine giden ve tıbbi teşhis ve tedavi konusunda eğitimli uzman olan kadar iyi olabilmesidir.”
En yüksek uzmanlık seviyesine ulaşmak için yıllarca süren pratik deneyime sahip olabilir. ekliyor: “Bir bilgisayarın birkaç gün sonra bu şeyleri tanıdığını görüyoruz.” [
] Bu makale, derin öğrenen bilgisayarların sağlık alanında meşru bir yere sahip olabileceğini gösteren diğer yeni çalışmaları takip ediyor, diyor Rahul Khurana, MD, Khurana, Mountain View, California'da bir oftalmolog ve Amerikan Oftalmoloji Akademisi'nin klinik sözcüsüdür.
“Bu tarz bir teknoloji, belirli koşullara sahip hastalar için çok hassastır” diyor. “Bu alanda biraz heyecan yaratıyor.”
Makula Dejenerasyonunun Tanısı, Diyabetik Retinopati
Yeni makalede, Zhang ve meslektaşları Çin, Almanya ve Teksas'ta ilk olarak göz bozukluklarının görüntülerini bilgisayara aktardı. Görüntüler optik koherens tomografi olarak bilinen bir görüntüleme tekniği ile alınmıştır. Bu daha yeni, devrim yaratan tanı teknolojisi, doktorlara retinayı ayrıntılı olarak haritalama ve ölçmenin bir yolunu vermek için gözün yüksek çözünürlüklü, enine kesiti görüntüleri çekmek için ışık dalgaları kullanır.
Taramalar, maküler gibi genel durumların tespit edilmesine yardımcı olmak için kullanılır retinada makula denen bir kısım bozulan dejenerasyon ve diabetik retinopati, retinadaki kan damarlarının şişmesine ve akmasına neden olan diyabetin bir komplikasyonu. Her ikisi de teşhis ve tedavi edilmezse körlüğe neden olabilecek tehlikeli durumlardır.
Mevcut hesaplama yaklaşımları milyonlarca imgenin bir bilgisayarı eğitmesini gerektirir. Zhang'ın araştırmasında, sadece 200.000 optik koherens görüntüleme taramasından çok daha küçük bir veri kümesi gerektiren AI tabanlı bir “konvolüsyonel nöral ağ” kullanılmıştır.
“Bilgisayar, gözün normal haritasını öğreniyor” diyor Zhang. “Öğrenmek ve ezberlemek için çeşitli resimler veriyoruz. Örneğin, 'eğer bu nokta buradaysa, maküler dejenerasyon olacak' diye öğretiyoruz. Bunun güzelliği, bilgisayarın kendi başına öğrenmesini sağlamak yerine, neye bakması gerektiğini söyleyebiliriz. Bu, bilgisayarların bir insan gibi düşünmesini sağlamak için bilgisayar yazılımı tasarlamakla ilgilidir. ”
Bilgisayar, hastanın 30 saniye içinde ve yüzde 95 doğrulukta tedavi için sevk edilip edilmemesi gerektiğine karar verebildi.
Nöral ağların doktorlara yardımcı olabileceğini ve hatta belki de çok fazla veriyi hatırlayabilmeleri için bunları uzatabileceğini göstermektedir. Zhang böyle bir teknolojinin dünya çapında kullanımlarına sahip olacağını tahmin ediyor. Amerika Birleşik Devletleri gibi kaynak bakımından zengin ülkelerde hastalık belirtileri ve tedavi arasındaki kritik zamanı hızlandırabilir.
“Muhtemel maküler dejenerasyonlu bir hastanın bir ay içinde tedavi edilmesi gerekebilir, ancak başvuru ve randevular birkaç ay sürebilir. Bu, tanıyı ve tedaviyi geciktirebilir ”diyor.
Uzmanların Kıt Olduğu Hastaların Tedavisi
Kaynak-fakir bölgelerde, teknoloji hekimlerin azlığı nedeniyle bakım görmeyen hastalara yardımcı olabilir. Zhang ve meslektaşları, faydalarını değerlendirmek için sinir ağlarını bu yaz Haiti'ye götürecekler. Bölgede diyabet hastası olan ve retinopatiye yakalanma riski yüksek olan, ancak 60'dan az sayıda oftalmolog var.
“Bunu yapabilme yeteneği, umarız ki, daha fazla hastayı sağlık sistemine daha fazla hasta verir. Daha önce koşullar, ”dedi Khurana, diyabetik retinopati için risk altında olan dünya çapında diyabetle yaşayan yaklaşık 415.000 kişinin bulunduğunu belirtti. “Tanı ve tedaviyi daha hızlı, daha iyi ve daha geniş kitlelere daha kolay erişebilmemiz için yeni ve gelişmiş teknolojiye sahip olduğumuzda, hastalar ve doktorlar için bir kazan-kazan” dedi.
Doktorlara Güvene Güvenmek
Zhang, sağlık alanında AI tabanlı ağların uygulanmasında hala sorunlar yaşıyor. Doktorlar bilgisayar asistanlarına güvenmek zorundalar. Çalışmada, Zhang ve meslektaşları ayrıca bilgisayardan tanısını açıklamasını, gözlenen bölgeleri tanımlamasını ve makinenin sonucunun temelini oluşturmasını istemişti.
“Bilgisayar bir tanı koymadı. Tanıyı ve yaptığı tavsiyeyi neden yaptığını açıklıyor ”diyor. “Bunu daha şeffaf hale getiriyor ve doktorun bilgisayara daha fazla güvenmesine yardımcı oluyor. Böylelikle, bu sadece bir kara kutu değildir ve neden tanı koyduğu hakkında hiçbir fikriniz yoktur. ”
Yapay Teknoloji için Diğer Kullanımlar
AI tabanlı ağlar sağlık hizmetlerinde büyük bir potansiyele sahiptir. Zhang ayrıca, X-ışınlarını inceleyerek sistemin çocuklarda viral ve bakteriyel pnömoni arasında ayrım yapabileceğini gösterdi. Viral pnömoni tedavi gerektirmemekle birlikte, bakteriyel pnömonisi olan bir hasta, hastalığın ciddi komplikasyonlarını önlemek için hızlı bir antibiyotik tedavisi gerektirir.
“Yapay zekanın gittikçe daha fazla kullanıldığı çeşitli tıbbi alanlar görüyoruz”, Khurana diyor. “Yapay zeka alanı ve tıp alanındaki uygulamaları için çok heyecan verici bir zaman olduğunu düşünüyorum.”
