رفتن به محتوای اصلی
هوش مصنوعی پزشکیام‌آر‌آی قلب· 6 دقیقه مطالعه· در سلامت

هوش مصنوعی در تحلیل ام‌آر‌آی قلب، پیش‌بینی طول عمر بیماران را دقیق‌تر از پزشکان انجام می‌دهد

یک پژوهش چندمرکزی نشان می‌دهد که هوش مصنوعی می‌تواند تصاویر اسکن قلب را در چند ثانیه تحلیل کند و خطر مرگ‌ومیر را با دقتی به مراتب بیشتر از اندازه‌گیری‌های دستی متخصصان قلب پیش‌بینی نماید.

به قلم امیر کریمی

این خبر را به اشتراک بگذارید

گوش‌ دهید

برای اینکه یک ابزار هوش مصنوعی بتواند تحولی واقعی در مراقبت‌های قلبی ایجاد کند، تنها برابری با دقت اندازه‌گیری‌های یک متخصص قلب کافی نیست؛ این ابزار باید قادر باشد تغییرات ساختاری بسیار ظریفی را که چشم انسان از دیدنشان بازمی‌ماند تشخیص دهد و این کار را با سرعتی انجام دهد که در فضای شلوغ و پرفشار کلینیک‌ها کارآمد باشد.

به نظر می‌رسد این مرز مهم این هفته شکسته شده است. یک مطالعه گذشته‌نگر و برجسته که در تاریخ ۲ نوامبر در نشریه The Lancet Digital Health منتشر شده، نشان می‌دهد مدلی از هوش مصنوعی که تصاویر ام‌آر‌آی قلب را ارزیابی می‌کند، در پیش‌بینی بقای طولانی‌مدت بیماران عملکردی بسیار بهتر از پزشکان متخصص داشته است.[1]

این پژوهش که توسط تیم‌هایی از کالج دانشگاهی لندن (UCL) و سیتی سنت جرج دانشگاه لندن انجام شده، نقطه عطفی در تشخیص‌های قلبی‌عروقی محسوب می‌شود و نوید آن را می‌دهد که تحلیل‌های خودکار به‌زودی جایگزین ترسیم‌های دستی به عنوان معیار استاندارد ارزیابی عملکرد قلب خواهند شد.[2][3]

پزشکان در حال حاضر برای محاسبه کسر جهشی و حجم خون، ناچارند تا ۲۰ دقیقه زمان صرف کنند و به صورت دستی خطوط حاشیه حفرات قلب را روی تصاویر ام‌آر‌آی ترسیم کنند؛ کاری ملال‌آور، تکراری و مستعد خطاهای جزئی که بسته به دقت دست پزشک یا رادیولوژیست متغیر است.[5]

دقت فراتر از توان دست انسان

سیستم جدید هوش مصنوعی دقیقاً همین فرایند قطعه‌بندی تصویر را تنها در چند ثانیه انجام می‌دهد. با این حال سرعت تنها مزیت ثانویه آن است؛ دستاورد اصلی، دقت محاسباتی بی‌نظیر الگوریتم است که مستقیماً به پیش‌آگهی بسیار دقیق‌تر برای بیمار منجر می‌شود.[4][5]

برای آزمایش دقیق این مدل، پژوهشگران هزاران تصویر ام‌آر‌آی قلبی مربوط به پرونده‌های گذشته از چندین مرکز درمانی را وارد سیستم کردند و سپس اندازه‌گیری‌های خودکار دستگاه را با خطوط محیطی ترسیم‌شده دستی توسط متخصصان باتجربه قلب و رادیولوژیست‌ها مقایسه نمودند.[1][2]

قطعه‌بندی خودکار، فرایند دستی و خسته‌کننده ۲۰ دقیقه‌ای را به چند ثانیه کاهش می‌دهد.

نتایج کاملاً قطعی و از نظر آماری معنادار بود: هنگامی که محققان پیامدهای طولانی‌مدت سلامت بیماران را ارزیابی کردند، اندازه‌گیری‌های هوش مصنوعی از عملکرد بطن چپ، پیش‌بینی‌کننده بسیار قوی‌تری برای مرگ‌ومیر به هر علتی در مقایسه با اندازه‌گیری‌های دستی متخصصان انسانی بود.[1][6]

تیم تحقیق در بیانیه رسمی خود اعلام کردند: «پزشکان برای اندازه‌گیری عملکرد قلب چند دقیقه زمان نیاز دارند، اما هوش مصنوعی این کار را در چند ثانیه انجام می‌دهد.» این الگوریتم با حذف خطاهای انسانی، یک مبنای ریاضی ثابت ارائه می‌دهد که شناسایی علائم اولیه و پنهان نارسایی قلبی را بسیار آسان‌تر می‌کند.[5]

این ثبات و یکدستی برای بیمارانی با شرایط مزمن که سالانه نیازمند ام‌آر‌آی کنترلی هستند، نقشی حیاتی دارد. اگر پزشک در دو سال متوالی یک حفره قلبی را کمی متفاوت اندازه‌گیری کند، این خطای ترسیم می‌تواند روند افت تدریجی عملکرد قلب را بپوشاند یا برعکس، مشکلی غیرواقعی را نشان دهد.

آموزش بر پایه داده‌های جامع و متنوع

مدل هوش مصنوعی این خطاهای تشخیصی را کاملاً از بین می‌برد. از آنجا که الگوریتم دقیقاً همان قوانین ریاضی را برای تک‌تک پیکسل‌ها اعمال می‌کند، هرگونه تغییری که در مقایسه اسکن سال ۱۴۰۴ بیمار با اسکن سال ۱۴۰۵ ثبت شود، یک تغییر فیزیولوژیک واقعی است و ناشی از تفاوت سلیقه ترسیم خطوط نخواهد بود.

یکی از آسیب‌پذیری‌های شایع در هوش مصنوعی پزشکی این است که الگوریتم‌های آموزش‌دیده در یک بیمارستان مجهز و خاص، هنگام استفاده در درمانگاه‌های عمومی با افت کارایی مواجه می‌شوند. به همین دلیل، محققان UCL و سیتی سنت جرج ابزار خود را عمداً روی مجموعه‌داده‌های چندمرکزی و بسیار متنوع ارزیابی کردند.[2][3]

این مطالعه گذشته‌نگر شامل اسکن‌های بیمارانی با انواع مشکلات قلبی‌عروقی، از بیماری ایسکمیک قلب گرفته تا کاردیومیوپاتی‌های پیچیده و نادر بود. این تنوع داده تضمین می‌کند که مدل تنها شکل یک قلب سالم را حفظ نکرده، بلکه پاتولوژی‌های پیچیده را عمیقاً درک می‌کند.[1]

تصویرسازی: با خودکارسازی ترسیم دستی خطوط، هوش مصنوعی این امکان را برای متخصصان قلب فراهم می‌کند که تمام توجه خود را معطوف تصمیم‌گیری‌های درمانی پیچیده کنند.

با اثبات پایداری عملکرد در میان دستگاه‌های مختلف ام‌آر‌آی و جوامع گوناگون بیماران، این الگوریتم گام مهمی در مسیر اخذ تاییدیه‌های قانونی و ورود گسترده به بالین برداشته است؛ امری که نشان می‌دهد این فناوری یک ایده آزمایشگاهی نیست، بلکه ابزاری آماده برای دنیای واقعی است.[4]

نویسندگان مقاله در The Lancet Digital Health نتیجه گرفتند: «استفاده از هوش مصنوعی برای ارزیابی عملکرد قلب از روی اسکن‌های ام‌آر‌آی، طول عمر بیماران را با قدرتی به مراتب بیشتر از ارزیابی پزشکان پیش‌بینی می‌کند.» این شواهد نشان می‌دهد که ترسیم دستی خطوط قلب ممکن است به‌زودی روشی منسوخ تلقی شود.[1][6]

بازتعریف نقش پزشک متخصص قلب

برای بیماری که اسکن ام‌آر‌آی قلب انجام می‌دهد، این پیشرفت به معنای انتظار کمتر برای دریافت جواب و اطمینان خاطر بسیار بیشتر از نتیجه آزمایش است. تسریع این فرایند همچنین می‌تواند از حجم بالای صف‌های طولانی تصویربرداری در سیستم‌های درمانی بکاهد.[4]

به‌کارگیری این سیستم خودکار به معنای جایگزینی متخصصان قلب با ماشین نیست، بلکه پزشکان را از کارهای یکنواخت و فرسایشی کشیدن خط روی صفحه نمایش رها کرده و به آن‌ها فرصت می‌دهد تمرکز خود را تماماً بر تصمیم‌گیری‌های بالینی پیچیده و گفتگو با بیمار بگذارند.

زمانی که هوش مصنوعی تصویر را به صورت دقیق قطعه‌بندی کرده و میزان خطر مرگ‌ومیر را تعیین می‌کند، نقش پزشک از «استخراج داده» به «تفسیر داده» تغییر می‌یابد و او می‌تواند فرصت محدود ویزیت را به جای نگاه مداوم به مانیتور، صرف بررسی گزینه‌های درمانی کند.

این دگرگونی به‌ویژه با افزایش سن جمعیت جهان و شیوع روزافزون نارسایی قلبی اهمیتی دوچندان دارد؛ زیرا شبکه‌های بهداشت و درمان اساساً نیروی متخصص کافی برای بررسی و پردازش دستی حجم انبوه اسکن‌های ام‌آر‌آی مورد نیاز ندارند.

اندازه‌گیری‌های به دست آمده از هوش مصنوعی، معیاری به مراتب قوی‌تر از بررسی‌های دستی پزشکان برای پیش‌بینی مرگ‌ومیر نشان داده است.

هوش مصنوعی در عمل نیروی متخصص را چندبرابر می‌کند. با خودکارسازی زمان‌برترین بخش فرایند تشخیص، یک بخش رادیولوژی می‌تواند روزانه بدون افت دقت تشخیصی یا فرسودگی شغلی کادر درمان، پرونده‌های بیشتری را بررسی کند.[5]

مسیر ورود به بیمارستان‌ها و بالین

با وجود این، ورود این ابزار نیازمند یکپارچه‌سازی دقیق و سنجیده با سامانه‌های نرم‌افزاری بیمارستانی است. نرم‌افزار باید بتواند به آرشیو تصاویر و سوابق الکترونیک سلامت متصل شود تا تحلیل‌ها بلافاصله کنار تصاویر خام برای بررسی پزشک قرار گیرند.

اگرچه نتایج داده‌های گذشته‌نگر بسیار خیره‌کننده است، گام حیاتی بعدی انجام کارآزمایی‌های بالینی آینده‌نگر است. محققان باید این سیستم را در بیمارستان‌های فعال پیاده کنند تا روشن شود آیا دقت پیش‌بینی بالاتر هوش مصنوعی عملاً به تصمیمات درمانی بهتر و نجات جان بیماران می‌انجامد یا خیر.[1]

سازمان‌های ناظر بر سلامت، نظیر FDA در ایالات متحده و MHRA در بریتانیا، خواستار نظارت مداوم بر عملکرد الگوریتم پس از ورود به بازار خواهند بود، چرا که مدل‌ها ممکن است گاهی با ناهنجاری‌های نادر مادرزادی روبرو شوند که برایشان آموزش ندیده‌اند.

برای رفع این نگرانی ذاتی، سازوکار نرم‌افزار به نحوی طراحی شده که نظارت انسان همواره حفظ شود. هوش مصنوعی خطوط و تحلیل‌های خطر را تولید می‌کند، اما تایید نهایی همواره بر عهده پزشک واجد شرایط است تا هرگونه خطای احتمالی ماشین شناسایی شود.

تصویرسازی: این الگوریتم با اعمال قوانین یکسان ریاضی روی تمامی پیکسل‌ها، خطاهای ناشی از رسم دستی را به کلی حذف می‌کند.

با گذار این فناوری از مرحله تحقیق به محصولات تجاری طی سال‌های آینده، انتظار می‌رود که این ابزار به قابلیتی استاندارد در دستگاه‌های جدید ام‌آر‌آی بدل شود؛ درست همان‌طور که فشارسنج‌های دیجیتال جایگزین نمونه‌های جیوه‌ای شدند.

در نهایت، معیار واقعی ارزش این دستاورد در ثانیه‌های ذخیره‌شده خلاصه نمی‌شود، بلکه در تعداد انسان‌هایی معنا می‌یابد که به لطف آن به زندگی ادامه می‌دهند. با شناسایی زودهنگام و دقیق بیماران در معرض خطر، پزشکان فرصتی حیاتی به دست می‌آورند تا پیش از آنکه نارسایی قلبی غیرقابل‌بازگشت شود، دست به اقدام بزنند.

نکات کلیدی

  1. یک مدل هوش مصنوعی در تحلیل ام‌آر‌آی قلبی، میزان مرگ‌ومیر بیماران را با دقتی به مراتب بیشتر از اندازه‌گیری‌های دستی متخصصان پیش‌بینی کرد.
  2. الگوریتم مذکور قطعه‌بندی پیچیده بطن چپ را که برای متخصصان تا ۲۰ دقیقه زمان می‌برد، در چند ثانیه انجام می‌دهد.
  3. با تایید بر روی یک مجموعه‌داده متنوع چندمرکزی، این ابزار خطاهای ناشی از رسم دستی را حذف کرده و عملکرد قلب را با دقت پایدار ریاضی ارزیابی می‌کند.
  4. این فناوری متخصصان را از کارهای دستی خسته‌کننده معاف کرده و فرصت می‌دهد روی تصمیم‌گیری‌های پیچیده و ارتباط با بیمار تمرکز کنند.

آنچه نمی‌دانیم

  • عملکرد این الگوریتم در مورد ناهنجاری‌های بسیار نادر مادرزادی قلب که داده‌های محدودی در آموزش اولیه داشته‌اند چگونه خواهد بود.
  • جدول زمانی دقیق برای صدور مجوزهای رسمی استفاده بالینی مستقل و بدون واسطه در بیمارستان‌ها چه خواهد بود.
  • آیا زمان ذخیره‌شده توسط هوش مصنوعی به کاهش هزینه‌های تصویربرداری برای بیماران منجر خواهد شد یا صرفاً پذیرش بیماران را بیشتر می‌کند.

روند رویداد

  1. ۱۴۰۲

    مدل‌های هوش مصنوعی توانایی‌های چشمگیری در شناسایی و تفکیک پایه‌ای تصاویر پزشکی نشان دادند.

  2. ۱۴۰۴

    پژوهشگران هزاران اسکن قدیمی ام‌آر‌آی قلبی را از چند مرکز گردآوری کردند تا الگوریتم جدید قطعه‌بندی را آموزش دهند.

  3. ۱۲ آبان ۱۴۰۵

    نشریه The Lancet Digital Health مطالعه‌ای بنیادین را منتشر کرد که برتری هوش مصنوعی بر پزشکان در پیش‌بینی مرگ‌ومیر را به اثبات رساند.

محققان بالینی 40%تحلیل‌گران فناوری سلامت 40%متخصصان بالینی قلب 20%
محققان بالینی
معتقدند قطعه‌بندی توسط هوش مصنوعی مبنایی با ثبات ریاضی فراهم می‌کند که برای پیش‌بینی احتمال مرگ‌ومیر بسیار برتر از خطوط دستی انسان است.
تحلیل‌گران فناوری سلامت
بر بهبود چشمگیر روند کاری تکیه دارند و اشاره می‌کنند که کاهش زمان یک فرایند ۲۰ دقیقه‌ای به چند ثانیه، بار ترافیکی مراکز تصویربرداری را از بین می‌برد.
متخصصان بالینی قلب
این فناوری را عاملی برای رهایی از کارهای مکانیکی و تمرکز بر درمان می‌دانند، به شرط آنکه نظارت و تایید نهایی همواره بر عهده پزشک انسان باشد.

دیدگاه‌هایی که این گزارش پوشش نداده

  • نهادهای حامی حقوق بیماران که نگران شفافیت تصمیمات هوش مصنوعی هستند
  • تکنسین‌های رادیولوژی که با تغییر ساختار فرایندهای کاری روبرو می‌شوند

منابع

پوشش منابع

6 منبع

3 دیدگاه شناسایی‌شده

محققان بالینی 40%تحلیل‌گران فناوری سلامت 40%متخصصان بالینی قلب 20%
  1. [1]The Lancet Digital Healthمحققان بالینی

    Performance of artificial intelligence versus clinician left-ventricular segmentation of cardiac MRI for mortality prediction: a retrospective, multicentre, prognostic study

    مطالعه در The Lancet Digital Health →
  2. [2]UCL Newsمحققان بالینی

    AI heart scan measurements better predict survival

    مطالعه در UCL News →
  3. [3]City St George's, University of Londonمحققان بالینی

    AI measurements of heart scans more strongly linked to patient survival than clinician measurements

    مطالعه در City St George's, University of London →
  4. [4]Digital Healthتحلیل‌گران فناوری سلامت

    AI heart scan measurements outperform clinicians in survival study

    مطالعه در Digital Health →
  5. [5]News-Medicalتحلیل‌گران فناوری سلامت

    Doctors take minutes to measure heart function. AI takes seconds.

    مطالعه در News-Medical →
  6. [6]Medical Xpressتحلیل‌گران فناوری سلامت

    AI better assesses heart function from MRI than clinicians

    مطالعه در Medical Xpress →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار سلامت با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.