AI นำประโยชน์อะไรมาสู่ฟิสิกส์การแพทย์ที่เครื่องมืออื่นไม่สามารถทำได้? ปัญญาประดิษฐ์ (AI) เป็นวินัยที่มีการพัฒนาอย่างต่อเนื่องซึ่งอาจมีคุณค่าทางวิทยาศาสตร์อย่างมากต่อฟิสิกส์การแพทย์ในสามประเด็นหลัก ประการแรก เนื่องจากโรงพยาบาลสมัยใหม่ส่วนใหญ่อาศัยการถ่ายภาพเพื่อวินิจฉัยผู้ป่วยเป็นอย่างมาก AI จึงสามารถช่วยพนักงานที่มีงานยุ่งในการคัดกรองผู้ป่วยได้ตั้งแต่เนิ่นๆ
และจัดการ
ภาระงานได้อย่างมีประสิทธิภาพมากขึ้น หากเรามีโมเดลการเรียนรู้เชิงลึกที่ได้รับการฝึกฝนมาเป็นอย่างดี ใครบางคนที่เข้าร่วม เช่น การถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (MRI) หรือการสแกนด้วยเอกซเรย์คอมพิวเตอร์ (CT) อาจถูกตั้งค่าสถานะเป็นลำดับความสำคัญโดยอัลกอริทึมทันทีในกรณี
ที่พบสิ่งที่น่าสงสัย ในความเป็นจริง กลุ่มที่นำโดยRyan McTaggart จากมหาวิทยาลัยบราวน์ในสหรัฐอเมริกาได้พัฒนาเครื่องมือที่ใช้งานได้จริงเพื่อระบุและจัดลำดับความสำคัญของผู้ป่วยที่มีการอุดตันของหลอดเลือดที่อาจเป็นอันตรายถึงชีวิตได้อย่างรวดเร็ว ( รังสีวิทยา 297 640 ).
เครื่องมือดังกล่าวจะเป็นไปไม่ได้หากไม่มีเทคโนโลยี AI แทน รังสีแพทย์จะต้องลำบากในการดูภาพทีละภาพ ประการที่สอง การวิจัยแสดงให้เห็นว่าโมเดลการเรียนรู้เชิงลึกมักจะสามารถลดข้อผิดพลาดทางการแพทย์ได้ ในบทความที่ตีพิมพ์เมื่อปีที่แล้วในวารสารNature ( 577 89 ) ระบบ AI
ที่ศึกษาการตรวจเอกซเรย์แมมโมแกรมนั้นดีกว่าผู้เชี่ยวชาญของมนุษย์ในการทำนายว่าผู้ป่วยเป็นมะเร็งเต้านมหรือไม่ โดยเฉพาะอย่างยิ่ง แบบจำลองนี้พบว่ามีประสิทธิภาพเท่ากับแพทย์สองคนดูภาพ และตรวจพบมะเร็งได้ดีกว่าแพทย์คนเดียว ในขณะเดียวกันก็ลดจำนวนผลลัพธ์ที่ “ผิดพลาด-ลบ”
ลงด้วย ระบบดังกล่าวจะไม่มีวันมาแทนที่บุคลากรทางการแพทย์ แต่จะทำหน้าที่เสมือนดวงตาสำรอง ขณะเดียวกันก็สามารถทำงานได้ตลอด 24 ชั่วโมงทุกวันโดยไม่รู้สึกเหนื่อยล้าหรือทำงานผิดพลาด
สุดท้ายนี้ ฉันเชื่อว่าเครื่องมือ AI จะถูกนำมาใช้ในแอปพลิเคชันวินิจฉัยตนเองในไม่ช้า
ฉันจินตนาการ
ถึงแพทย์ในคลินิก GP ในพื้นที่ได้ เช่น ช่วยผู้ป่วยตรวจสุขภาพโดยใช้สมาร์ทโฟนและติดตามสภาพร่างกาย แม้กระทั่งวินิจฉัยตัวเองเมื่อกังวล พูดง่ายๆ ก็คือ ซอฟต์แวร์ AI สามารถทำสิ่งที่เครื่องมืออื่นๆ ในฟิสิกส์การแพทย์จะทำไม่ได้ ข้อเสียของการใช้ AI คืออะไร?
เทคนิค AI ยังอยู่ในช่วงเริ่มต้น ใช่ พวกเขาแสดงศักยภาพที่ยอดเยี่ยม และใช่ พวกเขาสามารถแก้ปัญหาต่างๆ ได้แล้ว แต่ AI ยังไม่ “ฉลาด” อย่างสมบูรณ์ ตัวอย่างที่สำคัญอย่างหนึ่งคือการศึกษาในปี 2019 ในวารสารJama Dermatology ( 155 1135 ) ซึ่งแสดงให้เห็นว่าอัลกอริทึมการเรียนรู้เชิงลึก
ปัจจุบันเทคนิคการเรียนรู้ด้วยเครื่องขึ้นอยู่กับชุดข้อมูลคุณภาพสูง อคติใด ๆ ที่มีอยู่ในข้อมูลสามารถใช้เป็น “ทางลัด” สำหรับอัลกอริทึมในการใช้ประโยชน์ มันเป็นปัญหาที่ขยายออกไปนอกเหนือไปจากการถ่ายภาพทางการแพทย์ ตัวอย่างเช่น ด้วยเทคโนโลยีปัจจุบัน รถยนต์ไร้คนขับไม่สามารถแยกแยะ
ระหว่างภาพคนกับภาพจริงบนท้องถนนได้อย่างแม่นยำ ซึ่งอาจนำไปสู่ผลลัพธ์ที่เลวร้ายได้ ข่าวดีก็คือการค้นพบช่องโหว่เหล่านี้จะช่วยให้นักวิจัยเพิ่มขีดความสามารถของ AI ได้สูงสุด และด้วยเหตุนี้เราจึงปรับปรุงความเข้าใจของเราเกี่ยวกับวิธีการทำงานและวิธีพัฒนาอัลกอริทึมใหม่ที่ดีกว่า
คุณใช้ AI ในการวิจัยของคุณอย่างไร?ในฐานะส่วนหนึ่งของการศึกษาระดับปริญญาเอกของฉัน เรากำลังพยายามปรับปรุงความเข้าใจของเราเกี่ยวกับพัฒนาการของสมองของทารกในช่วงสองสามสัปดาห์แรกของชีวิต โดยเฉพาะอย่างยิ่ง เรากำลังพยายามระบุลักษณะเส้นทางการพัฒนาของสมองที่แข็งแรง
โดยการใช้ AI กับการสแกน MRI ของทารกที่ได้มาจากการพัฒนาHuman Connectome Project (dHCP)ซึ่งนำโดย King’s College London, Imperial College และ University of Oxford ในโครงการของฉัน เรากำลังพยายามสร้าง “ภาพยนตร์” เกี่ยวกับพัฒนาการของสมองปกติ แต่เนื่องจากเรามีเพียง “
ภาพรวม” ของทารกแรกเกิดที่แตกต่างกันในช่วงอายุต่างๆ กัน ก่อนอื่นเราต้องจับคู่พื้นที่ทางกายวิภาคของสมองมนุษย์ที่คล้ายคลึงกันทั้งหมด ภาพและทารกที่แตกต่างกัน เป็นงานที่ท้าทายเนื่องจากสมองมีการเปลี่ยนแปลงอย่างมากในช่วงสองสามสัปดาห์แรกที่สำคัญเหล่านั้น
เพื่อให้บรรลุเป้าหมายนี้
ฉันกำลังสร้างกรอบการเรียนรู้เชิงลึกที่สามารถรับข้อมูลทั้งโครงสร้างและโครงสร้างจุลภาคของสมอง และค้นหา “ความสอดคล้องทางกายวิภาค” เหล่านี้เมื่อเวลาผ่านไป เมื่อจบปริญญาเอกในปี 2022 เราหวังว่าจะมีแบบจำลองการพัฒนาสมอง 4 มิติ
ที่สามารถใช้ในการตรวจจับความผิดปกติ ทำนายเส้นทางการพัฒนา และค้นหาว่ามีส่วนทางกายวิภาคในสมองที่สำคัญต่อพัฒนาการตามปกติหรือไม่ที่ได้รับการฝึกฝนเกี่ยวกับภาพมะเร็งผิวหนังอาจมีอคติอย่างผิด ๆ ในการทำนายมะเร็งผิวหนัง อคติดังกล่าวจะต้องถูกลบออกจากชุดข้อมูลการฝึกอบรมของเรา
ร่วมกับAlena Uus และ Maria Deprezฉันยังใช้ AI เพื่อระบุตำแหน่งของทารกในครรภ์โดยอัตโนมัติในภาพ MRI ของมดลูกของแม่ ชุดข้อมูลนี้เป็นส่วนหนึ่งของโครงการiFind (การวินิจฉัยภาพทารกในครรภ์อัจฉริยะ)ซึ่งนำโดยแพทย์จาก King’s College London, St Thomas’ Hospital, Imperial College,
University of Florence ในอิตาลี, Hospital for Sick Children ในโตรอนโต แคนาดา และ Philips ดูแลสุขภาพ. ในงานนี้ เราไม่เพียงแต่พยายามตรวจหาทารกในครรภ์ในภาพเท่านั้น แต่ยังรวมถึงอวัยวะต่างๆ ของทารกด้วย ซึ่งท้ายที่สุดแล้วจะช่วยปรับปรุงข้อมูลที่มีอยู่สำหรับแพทย์ในการวินิจฉัยโรค
เกมส์ออนไลน์แนะนำ >>>ufabet
