به گزارش سیناپرس، بر اساس مطالعه جدیدی توسط محققان دانشگاه کلرادو، می توان از هوش مصنوعی برای شناسایی گره های تیروئیدی خوش خیم که در سونوگرافی تیروئید مشاهده می شوند استفاده کرد و در نتیجه تعداد زیادی از نمونه برداری های غیر ضروری را کاهش داد.
گره های تیروئید بسیار شایع هستند. نمونه برداری آسپیراسیون سوزنی ظریف برای تشخیص سرطان تیروئید استفاده می شود. با این حال، به گفته محققان، اکثر نمونه برداری ها نتایج خوش خیم (غیر سرطانی) تولید می کنند و به طور بالقوه قابل اجتناب هستند.
در مطالعه جدید، محققان از یادگیری ماشینی، نوعی هوش مصنوعی، برای تجزیه و تحلیل تصاویر فراصوتی از گره های تیروئید استفاده کردند. به فرآیند استفاده از مدل های ریاضی داده ها، به منظور کمک به یادگیری کامپیوتر، بدون آموزش مستقیم، یادگیری ماشینی گفته می شود.به گزارش سیناپرس، در این تحقیق بیش از 30000 تصویر از 621 گره تیروئید برای آموزش مدل یادگیری ماشینی استفاده شد که گره های تیروئید را با عناوین سرطانی یا غیر سرطانی طبقه بندی می کند.
مدل مبتنی بر هوش مصنوعی به توانایی 61 درصدی در تشخیص صحیح سرطان دست یافت. محققان اظهار داشته اند، این مطالعه نشان می دهد که مدل هوش مصنوعی، حساسیتی قابل مقایسه با نمونه برداری تیروئید با آسپیراسیون سوزنی ظریف دارد.
آن ها اضافه کرده اند: ما معتقدیم این گامی مهم در جهت بهبود مراقبت از بیمار و اجتناب از اقدامات غیر ضروری است. ما نشان دادیم که تحلیل تصاویر فراصوتی به کمک هوش مصنوعی، برای رد سرطان تیروئید و اجتناب از بافت برداری، قطعا امکان پذیر است.
این فناوری می تواند به رادیولوژیست ها و متخصصان غدد در انتخاب ندول های تیروئیدی که باید تحت نمونه برداری قرار گیرند، کمک کند.
به گزارش سیناپرس، نتایج تحقیقاتی فوق در ENDO 2022، نشست سالانه انجمن غدد درون ریز ارائه شده اند
ترجمه: سنا دلفیه