تحلیل تطبیقی استراتژی های ملی غربالگری سرطان دهانه رحم بر پایه هوش مصنوعی و بیومتریال (مطالعه موردی ایران و فنلاند)

با توجه به چالش کمبود متخصص در ایران و اشباع داده های بالینی در فنلاند، این پژوهش یک مدل هوشمند برای بهینه سازی غربالگری ملی سرطان دهانه رحم ارائه می دهد. این مطالعه با استفاده از یادگیری انتقالی تطبیق پذیر (ATL) و شبکه های عصبی پیچشی (CNN) موازی، تصاویر تقویت شده با بیومتریال را تحلیل می کند. طبقه بندی نهایی از طریق راهبرد «رای اکثریت» (Majority Voting) بر روی مدل های KNN، SVM و درخت تصمیم انجام شد. مدل پیشنهادی به دقت ۹۸/۷۵٪ دست یافت و نرخ منفی کاذب را به طور معناداری کاهش داد که نسبت به روش های پیشین ۷/۷۵٪ بهبود نشان می دهد. ترکیب هوش مصنوعی و بیومتریال با کاهش بار کاری متخصصان و افزایش دقت تشخیص، راهکاری تعمیم پذیر برای ارتقای نرخ بقا در ساختارهای مختلف سلامت فراهم می کند.

کلیدواژه ها:

غربالگری سرطان دهانه رحم ، هوش مصنوعی ، یادگیری عمیق (Deep Learning) ، بیومتریال ، تحلیل تطبیقی (ایران و فنلاند) ، یادگیری انتقالی.