هوش مصنوعی میتواند تخمهای کرم انگلی را در نمونههای مدفوع انسان شناسایی کند – از جمله تخمهای گونههای انگل که وقتی متخصصان آزمایشگاه از میکروسکوپ برای مطالعه همان نمونهها استفاده میکنند، گم شدهاند. این کشف نشان می دهد که هوش مصنوعی می تواند به ما در تشخیص و درمان بهتر عفونت کرم انگلی در سراسر جهان کمک کند.
سازمان بهداشت جهانی تخمین می زند که تقریباً یک چهارم جمعیت جهان – یا 1.5 میلیارد نفر – به کرم های انگلی که در سیستم روده آنها زندگی می کنند آلوده هستند. عفونتها میتوانند منجر به سوء تغذیه، کمخونی یا توقف رشد شناختی شوند. اما تشخیص و درمان اغلب غیرقابل دسترس است زیرا تعداد محدودی از متخصصان آموزش دیده برای تشخیص عفونت وجود دارد.
یوهان لاندین در مؤسسه کارولینسکا در سوئد و همکارانش متعجب بودند که آیا هوش مصنوعی می تواند کمک کند. او میگوید: «این روش عمدتاً در مورد امکان دسترسی گستردهتر به تشخیص عفونتهای کرم انگلی است.
محققان سیستم هوش مصنوعی خود را بر روی 1300 نمونه مدفوع جمع آوری شده از دانش آموزان مدرسه ای در کنیا آموزش و آزمایش کردند. نمونه ها توسط یک آزمایشگاه مراقبت های بهداشتی محلی تهیه و به صورت دیجیتالی زیر میکروسکوپ اسکن شدند. سپس آن اسکن ها از طریق اینترنت موبایل برای تجزیه و تحلیل هوش مصنوعی در فضای ابری آپلود شد.
آموزش هوش مصنوعی بر شناسایی تخمهای سه نوع کرم انگلی متمرکز بود: کرم گرد آسکاریس لومبریکوئیدس، کرم شلاقی انسان Trichuris trichiura و کرم های قلابدار مانند آنسیلوستوم اثنی عشر یا قاتل آمریکایی.
این تیم عملکرد هوش مصنوعی را در مقایسه با یک تکنسین آزمایشگاه آموزش دیده که نمونه ها را به صورت دستی بازرسی می کرد، ارزیابی کردند. روش هوش مصنوعی 76 تا 96 درصد از عفونتهای شناسایی شده توسط تکنسین را بسته به گونههای انگلی به دقت شناسایی کرد.
ایزاک بوگوچ از دانشگاه تورنتو در کانادا که در این مطالعه شرکت نکرد، میگوید: «این مطالعه حساسیت نسبتا مناسب و ویژگی بالایی را برای شناسایی این عفونتهای کرم انگلی نشان داد. “خبر بسیار خوبی است.”
نکته مهم این است که هوش مصنوعی قادر به شناسایی عفونتها حتی با تعداد نسبتاً کمی تخمهای کرم انگلی است. در واقع، 79 مورد را که متخصص انسانی از دست داده بود، شناسایی کرد. اما در عین حال، هوش مصنوعی از افتادن در دام شناسایی نادرست عفونتهایی که واقعاً وجود نداشتند، اجتناب کرد. تنها در 1 تا 2 درصد موارد، هوش مصنوعی عفونتی را در نمونهای که در نهایت عاری از عفونت است، شناسایی کرد.
در حال حاضر، پردازش هر نمونه با استفاده از هوش مصنوعی 20 تا 35 دقیقه طول می کشد. اما این تا حد زیادی به این دلیل است که این مطالعه شامل استفاده از شبکههای کند برای آپلود دادهها بود. تجزیه و تحلیل واقعی هوش مصنوعی فقط 5 دقیقه طول می کشد، و بنابراین محققان پیشنهاد می کنند که زمان پردازش را می توان 8 تا 17 دقیقه با دسترسی به شبکه های 5G برای آپلود سریعتر داده کاهش داد. نینا لیندر از دانشگاه اوپسالا در سوئد، یکی از نویسندگان این مطالعه میگوید: علاوه بر این، تخمینهای هزینه منتشر نشده نشان میدهد که تشخیص هوش مصنوعی «مطمئناً ارزانتر از روشهای کاملاً دستی خواهد بود».
بوگوچ میگوید، با این وجود، باید دید که روش هوش مصنوعی چقدر میتواند افراد را در جوامع خانگی خود به سرعت تشخیص دهد تا تصمیمات بالینی را مطلع کنند. و با توجه به اینکه این تکنیک شامل آپلود داده های سلامت در فضای ابری است، او اشاره می کند که ملاحظات اخلاقی از نظر رضایت آگاهانه و حفظ حریم خصوصی داده ها وجود دارد.
بوگوچ می گوید: «این فناوری باورنکردنی است، اما باید در چارچوب اخلاقی انجام شود. “و من شک ندارم که آنها این کار را انجام می دهند.”
موضوعات: