هوش مصنوعی قادر به تشخیص بیماریها از طریق جزئیات صورت، چشمها و دستها است!
دو مطالعه علمی مجزا، یکی در ژاپن و دیگری در اسکاتلند، نشان دادهاند که سیستمهای هوش مصنوعی میتوانند برای شناسایی خطرات پنهان سلامت از طریق تحلیل تصاویر معمولی از صورت، کف دست و چشمها مورد استفاده قرار گیرند. وبسایت «The Brighter Side of News» که در زمینه اخبار علمی تخصص دارد، گزارش داد که یک تیم پژوهشی در ژاپن موفق به شناسایی فشار خون بالا و دیابت از طریق ویدیوهای صورتی با مدت زمان کمتر از پنج ثانیه شده است، در حالی که یک پروژه اسکاتلندی در حال آموزش الگوریتمها بر روی یک میلیون تصویر از شبکیه چشم برای برآورد خطر ابتلا به زوال عقل است.
پژوهشگران از «دانشگاه توکیو» و «موسسه علوم توکیو» توضیح دادند که آنها فرضیهای را آزمایش کردند مبنی بر اینکه تغییرات ظریفی که در ویدیوهای صورت و کف دست قابل مشاهده است، میتواند بیماریهای قلبی-عروقی و متابولیک را آشکار سازد. این بررسی اکتشافی تکمرکزی شامل ۲۱۵ بیمار تشخیصدادهشده و یک داوطلب سالم بود که برای هر یک از آنها یک ویدیوی کوتاه با سرعت بالا توسط یک دوربین طیفی ضبط شد. همچنین، شرکتکنندگان تحت آزمایشهای سنتی فشار خون و دیابت قرار گرفتند.
سیستم الگوهای نبض موج و جریان خون در پوست و ویژگیهای طیفی رنگ پوست را تحلیل کرد و نتایج مربوط به فشار خون بالا در کنگره ۲۰۲۶ انجمن اروپایی بیماریهای قلبی ارائه خواهد شد. با توجه به دقت چشمگیری که این شاخصها به دست آوردهاند، میتوان مهمترین نتایج را به شرح زیر خلاصه کرد:
• شناسایی فشار خون بالا با دقت ۹۵ درصد با تکیه بر ویدیوهای ۳۰ ثانیهای از صورت و کف دست، با حساسیت ۸۹.۲ درصد برای موارد افزایش فشار خون و ۱۰۰ درصد برای موارد فشار خون طبیعی.
• دستیابی به دقت ۹۰.۳ درصد حتی با ضبط ویدیویی که بیش از پنج ثانیه طول نکشد.
• شناسایی دیابت با دقت ۸۸.۲ درصد از ویدیوی ۳۰ ثانیهای صورت، و با دقت ۸۱.۲ درصد از ضبط پنج ثانیهای.
این وبسایت از ریوکو اوتشیدا، پژوهشگری که نتایج را ارائه داد، نقل قول کرد که تیم «در تلاش برای توسعه الگوریتمی هوش مصنوعی بود که امکان معاینه بدون تماس را در محیطهای زندگی روزمره فراهم کند تا بیماریهای شایع را در مراحل اولیه و به صورت گسترده شناسایی نماید». وی افزود که سیستم همچنین در برآورد فشار خون سیستولیک با تکیه بر ویدیوی صورت تنها موفق عمل کرد؛ به طوری که میانگین درصد خطای مطلق ۸.۶ درصد و میانگین انحراف منفی ۲.۶ میلیمتر جیوه بود که در محدوده مجاز انجمن آمریکایی توسعه تجهیزات پزشکی (۵ میلیمتر جیوه) قرار دارد. با این حال، تفاوت در نتایج به ۱۲ میلیمتر جیوه رسید که از حد پذیرفتهشده ۸ میلیمتری فراتر رفت، که نشان میدهد سیستم هنوز برای جایگزینی اندازهگیری سنتی فشار خون فاصله دارد، به ویژه با توجه به برآورد جهانی که نشان میدهد ۱.۴ میلیارد بزرگسال مبتلا به فشار خون بالا و ۵۸۹ میلیون نفر مبتلا به دیابت هستند.
در اسکاتلند، تیم پروژه «نیورای» (NeurEYE) که همکاری بین «دانشگاه ادینبرو» و «دانشگاه گلاسگو کالدونیان» است، تلاش متفاوتی را با تکیه بر آزمایشهای روتین چشم هدایت میکند. پژوهشگران حدود یک میلیون تصویر از شبکیه چشم را از چشمپزشکان در سراسر اسکاتلند جمعآوری کردند و آنها را با اطلاعات ناشناس شامل دادههای جمعیتشناختی، سابقه درمانی و بیماریهای قبلی مرتبط ساختند تا الگوریتمها را بر روی الگوهای مرتبط با خطر ابتلا به زوال عقل آموزش دهند.
پالجان دیلون، استاد طب چشمپزشکی بالینی در «دانشگاه ادینبرو» و ناظر مشترک پروژه، توضیح داد که «چشم میتواند اطلاعات بیشتری نسبت به آنچه تصور میکردیم به ما بدهد» و افزود که رگهای خونی و مسیرهای عصبی در شبکیه و مغز «به شدت به هم مرتبط هستند». این امر به شبکیه، برخلاف مغز، امکان معاینه مستقیم با دستگاههایی را میدهد که از قبل در مطبهای اپتومتری موجود هستند.
میگل برنابیو، استاد پزشکی رایانهای در دانشگاه ادینبرو و ناظر مشترک دیگر این پروژه، تأکید کرد که توسعه الگوریتمهای عادلانه و فاقد سوگیری، مستلزم آموزش آنها بر روی دادههایی است که نماینده کلیه گروههای جمعیتی در معرض خطر باشند. این پروژه از طریق ائتلاف «نیوری» (NEURii) که شامل شرکتهای «ایسای»، «گیتس ونتچرز» و دانشگاه ادینبرو است، تأمین مالی میشود؛ همچنین مجوز استفاده از دادههای سلامت از سوی هیئت عمومی و حریم خصوصی مراقبتهای بهداشتی و اجتماعی وابسته به خدمات بهداشتی اسکاتلند اخذ شده است.
این دو پروژه نشاندهنده روند رو به رشد در جهت ادغام هوش مصنوعی در غربالگریهای روتین سلامت پیش از ظهور علائم است. با این حال، خود پژوهشگران اشاره کردهاند که این دو سیستم هنوز نیازمند مطالعات گستردهتر و متنوعتری هستند تا پیش از آنکه به عنوان ابزارهای بالینی قابل اعتماد مورد تأیید قرار گیرند.
