کاربرد هوش مصنوعی در تشخیص بیماری های شکمی در دامپزشکی: از رادیومیکس تا یادگیری عمیق

هوش مصنوعی (AI)، به ویژه رادیومیکس (Radiomics) و یادگیری عمیق (Deep Learning)، در سال های اخیر به عنوان ابزارهای قدرتمند در تشخیص بیماری های مختلف در دامپزشکی مطرح شده اند. این مرور با هدف تحلیل کاربردهای هوش مصنوعی در تصویربرداری دامپزشکی، به ویژه در بیماری های شکمی مانند اختلالات کبدی، روده ای، کلیوی و تومورهای مختلف انجام شد. روش کار شامل بررسی و تحلیل مطالعات پژوهشی و مقالات مروری مرتبط و مقایسه عملکرد مدل ها، پارامترهای تصویربرداری و شواهد اعتبارسنجی بود. یافته ها نشان می دهد رادیومیکس می تواند ویژگی های بافتی قابل سنجشی استخراج کند که در پیش بینی بار چربی کبد و تمایز الگوهای بافتی و تفکیک تومورها و بیماری های روده مفیدند. مدل های یادگیری عمیق نیز در شناسایی و طبقه بندی ضایعات تومورهای کبد، روده و طحال در اولتراسوند و سی تی اسکن و ام آر آی حساسیت و دقت را افزایش داده اند و همچنین می توانند در شناسایی بیماری های مزمن کلیوی در مدالیته اولتراسوند و در تشخیص سنگ کلیه در تصاویر سی تی اسکن بدون تزریق ماده حاجب موثر باشند. در عین حال، چالش هایی نظیر کمبود دیتاست های بزرگ و متنوع، عدم استانداردسازی پروتکل های تصویربرداری و نیاز به تفسیر تخصصی وجود دارد. در مجموع، نتایج حاکی از آن است که ادغام رادیومیکس و یادگیری عمیق در تصویربرداری دامپزشکی پتانسیل بالایی برای ارتقای دقت تشخیص، پیش آگهی و برنامه ریزی درمانی دارد، اما تحقق این ظرفیت نیازمند استانداردسازی، همکاری چندمرکزی و توسعه الگوریتم های شفاف و قابل اعتماد است.

کلیدواژه ها:

هوش مصنوعی ، دامپزشکی ، تصویربرداری ، بیماری های شکمی