یک ابزار هوش مصنوعی جدید با بررسی فیلم های کولونوسکوپی، کیفیت این روش را بهصورت خودکار و دقیق می سنجد. این مطالعه روی نزدیک به ۱۹ هزار مورد، مطابقت بالای آن را با ارزیابی های انسانی نشان داد. این ابزار زمان خروج و تکنیک های برداشتن پولیپ را رصد کرده و بازخوردی مقیاس پذیر به پزشکان ارائه می دهد تا کیفیت مراقبت و پیشگیری از سرطان روده بهبود یابد.
به گزارش سیناپرس، دانشمندان موفق به طراحی یک ابزار جدید هوش مصنوعی شده اند که ارزیابی کیفیت کولونوسکوپی را در مقیاس گسترده به صورت خودکار انجام می دهد. کولونوسکوپی یکی از مؤثرترین روش ها برای پیشگیری از سرطان کولورکتال (سرطان روده بزرگ و راستروده) است که در میان بزرگسالان رو به افزایش است. با این حال، کیفیت انجام و بررسی کولونوسکوپی ممکن است بهطور قابل توجهی از یک پزشک به پزشک دیگر متفاوت باشد. به همین دلیل، انجمن های پزشکی توصیه می کنند که عملکرد هر متخصص کولونوسکوپی بهطور منظم بررسی شود؛ کاری که برای مراکز درمانی چالشبرانگیز و زمانبر است.
به همین دلیل گروهی از پژوهشگران مرکز مطالعاتی نورثوسترن مدیسین (Northwestern Medicine) ابزاری مبتنی بر هوش مصنوعی ساخته اند که با بررسی فیلم های ضبط شده از این روش، کیفیت کولونوسکوپی را بهسرعت و با دقت بالا اندازهگیری میکند. محققان این تیم در مطالعهای که تقریباً ۱۹ هزار کولونوسکوپی را شامل میشد نشان داد که اندازهگیری های ابزار هوش مصنوعی با ارزیابی های پرستاران و سایر متخصصان بالینی مطابقت بالایی دارد. نویسندگان تأکید کردهاند که این نخستین بار است که یک ابزار هوش مصنوعی توانایی اندازهگیری جامع کیفیت هزاران کولونوسکوپی را اثبات میکند.
دکتر راجش کشوانی (Rajesh Keswani)، نویسنده اصلی این مطالعه و دانشیار پزشکی در بخش گوارش و کبد دانشکده پزشکی فاینبرگ دانشگاه نورثوسترن در این رابطه گفت: « نرم افزار هوش مصنوعی ما رویکردی مقیاسپذیر برای سنجش کیفیت کولونوسکوپی فراهم میکند و در نهایت بازخوردی به پزشکان ارائه میدهد تا کیفیت مراقبت را بهبود بخشند.»
در کولونوسکوپی، پزشکان با وارد کردن لولهای مجهز به دوربین و ابزارهای برداشتن پولیپ های پیشسرطانی، روده بزرگ بیمار را بررسی میکنند. کولونوسکوپی باکیفیت معمولاً به این معناست که پزشک کل روده بیمار را معاینه کرده، زمان کافی برای یافتن ناهنجاریها صرف کند و از تکنیک های توصیه شده برای برداشتن پولیپ های مشکوک استفاده نماید. مطالعات پیشین نشان دادهاند که سنجش عملکرد کولونوسکوپی، کیفیت کلی این روش را بهبود می بخشد و در نهایت مرگومیر ناشی از سرطان کولورکتال را کاهش می دهد. با خودکارسازی این فرآیند نظارت بر کیفیت، ابزار جدید میتواند ارائه بازخورد را در سطح بیمارستان ها یا نظام های بهداشتی ممکن سازد.
دکتر کشوانی در ادامه توضیحات خود افزود: «هدف کولونوسکوپی غربالگری، ارائه مراقبت ایمن و مؤثر است. این امر ممکن نیست مگر آنکه مؤسسه بتواند کیفیت کولونوسکوپی را اندازهگیری کرد.»
در مطالعه فوق، ابزار هوش مصنوعی تقریباً ۱۸ هزار و ۶۰۰ کولونوسکوپی انجامشده توسط ۵۵ پزشک طی ۱۱ ماه در نورثوسترن را تحلیل کرد. قابل توجه است که این نرمافزار لحظاتی کلیدی را شناسایی کرد؛ از جمله زمانی که لوله به ابتدای کولون میرسد، هنگام بیرون کشیدن آن و زمان برداشتن پولیپها. اندازهگیری زمان خروج و زمان صرفشده برای بررسی روده هنگام بیرون آوردن لوله، توسط این ابزار بسیار نزدیک به زمانهای ثبتشده توسط پرستاران بود و دقت بالای فناوری را نشان داد. هوش مصنوعی همچنین شاخصهای کیفیتی را رصد کرد که به گفته محققان در مقیاس وسیع توسط انسانها قابل اندازهگیری نیست. از جمله این موارد می توان به تعداد پولیپهای برداشتهشده و میزان استفاده پزشکان از پلیپکتومی با اسنر سرد (تکنیک توصیهشده برای برداشتن پولیپهای کوچک با حلقه سیمی بدون جریان الکتریکی) اشاره کرد.
لازم به ذکر است که محققان در سال گذشته و طی مطالعه ای که نتایج آن در مجله پزشکی لنست (The Lancet) منتشر شد، دریافتند متخصصان کولونوسکوپی پس از استفاده از کمک هوش مصنوعی برای تشخیص پولیپ، بهتدریج مهارت خود را از دست میدهند. دکتر کشوانی در این رابطه گفت هنوز مطمئن نیست تأثیر هوش مصنوعی بر کولونوسکوپی و پزشکی بهطور کلی چگونه است. او خاطرنشان کرد که ابزار او فقط پس از اتمام کولونوسکوپی کیفیت کل عملیات را ارزیابی میکند.
وی در ادامه افزود: «یکی از احتمالات این است که پزشکان بیش از حد به هوش مصنوعی وابسته شوند و در نتیجه به تدریج فرایند مهارتزدایی رخ دهد. از سوی دیگر، هوش مصنوعی میتواند نقاط ضعف را به ما بیاموزد و ما را به پزشکان بهتری تبدیل کند.»
تیم تحقیقاتی او هماکنون در حال بررسی نقش وتأثیر هوش مصنوعی در آموزش کولونوسکوپی به کارآموزان است.شرح کامل این پژوهش در آخرین شماره مجله آمریکایی گوارش (The American Journal of Gastroenterology) منتشر شده و در اختیار محققان قرار دارد.
مترجم: فاطمه کردی