التعلم العميق يمكنه أن يتعلم تشخيص مرض الصرع

51

التعلم العميق وهو نوع من الذكاء الإصطناعي في طريقه لتشخيص مرض الصرع, وفقا للنتائج الجديدة.

وكما فهم المحققون من جامعة ولاية جورجيا أن بعض الأطباء لديهم خبرة أكثر من غيرهم, الأمر الذي يمكن أن يكون له أهمية في إجراء التشخيص, سألوا أنفسهم كيف يمكن أن تساعد أنظمة الذكاء الإصطناعي في سد فجوة الخبرة. ونتيجة لذلك, قرر الفريق النظر في التعلم العميق, الذي يعلم أجهزة الكمبيوتر للتعلم من خلال المثال, من أجل معرفة ما إذا كان يمكن أن يساعد في سد الفجوة المعرفية وفي مساعدة التشخيص.

في بحثهم, إقترح الباحثون طريقة تصنيف جديدة تستخدم للتنبؤ بالصرع بإستخدام التصوير بالرنين المغناطيسي (MRI) والرنين المغناطيسي الوظيفي (fMRI). وبمجرد أن تندمج التوقعات في حاسوب تفكير واحد, إختبروا قدرته على فحص الصرع الحميد مع طفرات سينية (BECT), وهي واحدة من أكثر أنواع الصرع شيوعًا لدى الأطفال.

حسابات BECT ما تصل إلى 15 ٪ إلى 25 ٪ من حالات الصرع في الأطفال الذين تتراوح أعمارهم بين 4 إلى 13 سنة, ومع ذلك, فإن معظم المرضى قادرون على الشفاء عندما يصلون سن البلوغ. يمكن أن تشمل بعض المضاعفات الدائمة الضعف الكلامي, وعجز الإنتباه, والضعف اللغوي في ما يصل إلى ربع المرضى.

لإختبار هذا النموذج, قام الباحثون بتوظيف 40 مريضاً من BECT و 40 أداة صحية من مستشفى West China في مدينة Chengdu بالصين. كان نموذجهم قادراً على فحص المرضى لـ BECT بدقة تبلغ 90٪.

“إعتقادنا هو أن الأطباء لا يستطيعون القيام بذلك أبداً”, كما قال المؤلف Yi Pan, الحاصل علي شهادة الدكتوراه في مجلة MD Magazine®. “إستنادًا إلى خبرتهم, يمكنهم القول هنا وجود ثقب أسود, وهنا منطقة بيضاء, وربما هذا هو السرطان أو هذا هو الصرع, الخ. ولكن الأطباء لديهم معرفة محدودة – وخاصة الطبيب الذي كان مجرد طبية مدربة أو متدرجة. معرفتهم محدودة. ولكن مع التعلم العميق, أو الذكاء الإصطناعي, تم تدريبه حتى يتمكنوا من إكتشاف كل منطقة. يمكن أن يقولوا, “هذا شخص مصاب بمرض, وهذا شخص سليم.

وتكهن Pan بأن معرفة الأطباء يمكن أن تمثل دقة تبلغ حوالي 80٪, وهو ما يجعل هذا التعلم العميق الجديد ملحوظًا. مع المزيد والمزيد من الأبحاث, وأحجام دراسة أكبر, يأمل Pan أن تصل الدقة إلى 95٪.
حتى مع دقة شبه مثالية, قال بان هذه التكنولوجيا ليست جاهزة بعد للعالم الحقيقي.

“إنه من السابق لأوانه بمعنى لأن القانون لم يكن هناك بعد”, كما أوضح. “عندما نفكر في أن الطبيب قد يكون لديه نسبة نجاح تصل إلى 80٪ / 20٪, فإن هذا يبدو مقبولاً لمعظم البشر. يقول بان: “التشخيص ينزل إلى قرار”. “حتى إذا كان برنامج الكمبيوتر دقيقًا بنسبة 90٪, فسيظل الخطأ 10٪”.

وأضاف بان أن الناس أكثر عرضة لمغفرة شخص آخر, ويشعرون أنه لا يوجد مجال كبير للعيوب عند التعامل مع نموذج الكمبيوتر.

وقال: “ليس جاهزًا حتى يفهم الناس حقًا أن قرار الطبيب لا يملك إلا فرصة 80٪ للنجاح, لكن برنامج الكمبيوتر لديه فرصة أفضل”. ولكن عليك أن تفهم أن برامج الكمبيوتر لا تزال تعاني من قيود. مع 90٪ – أو حتى في المستقبل – دقة تبلغ 95٪, لا يزال لديك معدل فشل 5٪. هل يمكنك قبول هذا النوع من الخطأ بواسطة الكمبيوتر؟ ”
لقد شبهت عمومًا تشخيصات التعلم العميق بالقيادة الذاتية – على الرغم من أن البشر يقتلون ويجرحون بعضهم البعض على الطرق على أساس يومي على الأرجح, فإن حادث سيارة مستقلة واحد قتل شخصًا أصبح أخبارًا ضخمة. وقال إن تطور التعلم العميق يمكن أن يصبح قصة مماثلة إذا تم دفعه في الإتجاه الصحيح في وقت مبكر.

تمت ترجمة المقال الأصلي والموجود بالرابط أدناه

https://www.mdmag.com/medical-news/artificial-intelligence-deep-learning-learn-diagnose-epilepsy

تعليقات