نقش هوش مصنوعی در تفسیر و تحلیل تصاویر پزشکی

زمینه هوش مصنوعی یک فناوری است که با سرعت بالا در حال توسعه است هوش مصنوعی این قابلیت را دارد که دنیای امروزی را در جنبه های مختلف مانند پزشکی دگرگون سازد یادگیری عمیق به عنوان شاخه ای از هوش مصنوعی در تفسیر تصاویر پزشکی نقش چشمگیری دارد. هدف از این مطالعه بررسی نقش هوش مصنوعی در تفسیر و تحلیل تصاویر پزشکی است. مواد و روش ها در این مطالعه مروری، روایی اطلاعات مرتبط از پایگاه های جستجو SID، Google Scholar، Scopus، PubMed در بازه زمانی سال ۲۰۱۷ تا ۲۰۲۳ با جستجوی کلمات کلیدی Artificial Intelligence، Medical Image Deep Learning Radiology Computer Aided Detection بدست آمد و از بین ۹۷ مقاله موجود با حذف مقالات نامربوط و تکراری، نتایج این مقاله از ۲۹ مقاله استخراج شد. نتایج امروزه یکی از بیشترین کاربرد هوش مصنوعی در تحلیل تصاویر پزشکی است یکی از پرکاربردترین ابزارها در تصویربرداری پزشکی که در شناسایی بیماری های ریوی نیز کاربرد دارد رادیوگرافی قفسه سینه می باشد این ابزار دارای اطلاعات بسیاری است اما تحلیل درست اطلاعات همواره یک چالش اساسی برای پزشکان است؛ زیرا در هم تنیدگی ساختارهای سلولی در اشعه ایکس پیچیدگی این اطلاعات را افزایش می دهد سیستم Computer Aided Detection (CAD) که با هوش مصنوعی طراحی شده دقت تشخیص سرطان پستان در ماموگرافی را افزایش می دهد یادگیری عمیق از پرکاربردترین روش های هوش مصنوعی می باشد که شبکه عصبی کانولوشن مهم ترین روش یادگیری عمیق است و برای داده های دو بعدی مانند تصاویر ابداع شده و مانند بخش پردازش کننده بینایی در کورتکس، مغز تصاویر را تحلیل می کند همچنین پردازش زبان طبیعی برای پزشکان اطلاعاتی را که در پرونده های الکترونیک وجود داشته و ساختارمند نبوده اما جنبه بالینی مهمی دارند را استخراج می کند بحث با توجه به تمام توانایی های هوش مصنوعی یکی از محدودیت های آن نیاز به داده های بزرگ برای تحلیل درست تصاویر پزشکی است و در صورتی که داده ها کوچک باشند دقت هوش مصنوعی کاهش می یابد چشم انداز آینده باید به گونه ای باشد که هوش مصنوعی با داده های کوچک نیز قدرت تحلیل بالاتری داشته باشد، بنابراین باید بر نقش هوش مصنوعی در تحلیل و تفسیر تصاویر پزشکی توجه بیشتری شود.

کلیدواژه ها:

هوش مصنوعی ، یادگیری عمیق ، تصاویر پزشکی