هوش مصنوعی علیبابا توانایی تشخیص نزدیک به ۱۵۰ بیماری را دارد
پژوهشگران آکادمی دامو، بازوی تحقیقاتی گروه علیبابا، یک مدل هوش مصنوعی پزشکی متنباز به نام Damo Radar توسعه دادهاند که میتواند با بررسی تصاویر سیتیاسکن، نزدیک به ۱۵۰ بیماری و ناهنجاری شکمی از جمله تومورهای بدخیم را شناسایی کند.
به گزارش خبرگزاری ایمنا، این مدل هوش مصنوعی از نوع مدلهای بینایی-زبانی است و برای تحلیل سیتیاسکنهای دارای ماده حاجب از ۱۸ اندام شکمی طراحی شده است. مدل مذکور با استفاده از تصاویر سیتیاسکن همراه با گزارشهای بالینی آموزش داده شده و عملکرد آن در نزدیک به ۴۰ هزار آزمایش پزشکی واقعی مورد ارزیابی قرار گرفته است.
Damo Radar در بررسی ۱۴۶ یافته بالینی، به میانگین امتیاز AUC برابر با ۰.۹۱۳ دست پیدا کرد. در این معیار، عدد یک نشاندهنده عملکرد کامل است. پژوهشگران میگویند روش مورد استفاده برای آموزش این مدل میتواند در آینده به انواع دیگر تصویربرداری پزشکی نیز گسترش پیدا کند.
در یک مطالعه مقایسهای با حضور ۲۶ رادیولوژیست از چند بیمارستان، دقت میانگین مدل از ۲۳ نفر از شرکتکنندگان بیشتر بود، همچنین استفاده رادیولوژیستها از این مدل توانست توانایی آنها برای جلوگیری از تشخیصهای از دسترفته را ۱۰ درصد افزایش دهد و زمان موردنیاز برای بررسی تصاویر را نیز بیش از ۳۰ درصد کاهش دهد.
نتایج این پژوهش در مجله Science منتشر شده است و چندین مرکز علمی و درمانی، از جمله یکی از بیمارستانهای وابسته به دانشگاه ژجیانگ، در آن مشارکت داشتهاند.
توسعه Damo Radar بخشی از فعالیتهای اخیر علیبابا در حوزه هوش مصنوعی پزشکی است. آکادمی دامو پیشتر نیز ابزارهایی برای شناسایی سرطانهای پانکراس، معده و روده بزرگ و همچنین تشخیص دایسکشن آئورت توسعه داده است.
این مجموعه در ماه آوریل نیز مدل Coca AI را معرفی کرده بود که برای شناسایی مراحل اولیه سرطان روده بزرگ از تصاویر سیتیاسکن طراحی شده است.
در مجموع، Damo Radar نشان میدهد هوش مصنوعی پزشکی در حال حرکت از ابزارهای تخصصی برای شناسایی یک بیماری خاص به سمت مدلهایی است که میتوانند طیف گستردهای از بیماریها را در یک فرایند بررسی کنند.