Արհեստական բանականությունը սովորեցրել է աչքի քաղցկեղը հայտնաբերել 89% ճշգրտությամբ

Նինգբոյի ակնաբուժության ինստիտուտի գիտնականները ստեղծել են արհեստական բանականության մոդել, որը կարող է 89% ճշգրտությամբ տարբերակել աչքի բարորակ ուռուցքները չարորակներից: Զարգացումը նկարագրված է Research ամսագրում:

Գիտնականների խոսքով՝ աչքի ուռուցքները վաղ փուլերում հաճախ աննկատ են մնում. դրանք հեշտությամբ շփոթվում են ալերգիաների կամ բորբոքումների հետ, ինչի հետևանքով հիվանդները կորցնում են տեսողությունը, իսկ երբեմն՝ նաև կյանքը: Բացի այդ, փոքր քաղաքներում բացակայում են որակավորված ակնաբույժներ, որոնք կարող են ճանաչել վտանգավոր նորագոյացությունները:

Արհեստական բանականությունն արդեն օգտագործվում է աչքի հիվանդությունների ախտորոշման մեջ, սակայն դրա ուսուցումը պահանջում է մեծ ծավալի պիտակավորված տվյալներ, որոնք դժվար է հավաքել հազվագյուտ պաթոլոգիաների դեպքում: Լուծումը առաջարկել են պրոֆեսոր Չժոնգվեն Լիի գլխավորությամբ գիտնականները:

Գիտնականները ստեղծել են OSPM մոդելը, որը նախ մարզվել է Չինաստանի 10 կլինիկաներից ստացված աչքի մակերեսի 760 հազար չպիտակավորված պատկերների վրա: Այնուհետև ալգորիթմին տրվել է ևս 1455 պատկեր՝ հաստատված ախտորոշումներով: Արդյունքում, չարորակ ուռուցքների ախտորոշման արհեստական բանականության ճշգրտությունը հասել է 89%-ի: Այս ցուցանիշները պահպանվել են տարբեր տեսախցիկներով արված աչքի պատկերների վերլուծության ժամանակ:

OECM կոչվող ալգորիթմը նաև աշխատում է սովորական թվային լուսանկարների հետ։ Գիտնականների կարծիքով, սա հնարավոր է դարձնում հեռակա սկրինինգը. ռիսկի խմբում գտնվող անձը կարող է լուսանկարել իր աչքը և ուղարկել պատկերը ստուգման համար։ Բացի այդ, մոդելը պահանջում է ավելի քիչ պիտակավորված տվյալներ ուսուցման համար, ինչը հատկապես կարևոր է հազվագյուտ հիվանդությունների ախտորոշման համար այն տարածաշրջաններում, որտեղ մասնագիտացված մասնագետների հասանելիությունը սահմանափակ է։

Զարգացումն արդեն փորձարկվում է երեք սցենարով՝ խոշոր հիվանդանոցներում՝ առաջնային ախտորոշումը արագացնելու համար, շրջանային կլինիկաներում և որպես բջջային հավելված՝ ինքնաստուգման համար։

Եթե թեստերը հաջող լինեն, տեխնոլոգիան կարող է դառնալ հասանելի գործիք ուռուցքների վաղ հայտնաբերման համար։ Սակայն դեռևս պարզ չէ, թե որքան ճշգրիտ կկարողանա մոդելը ճանաչել հազվագյուտ ուռուցքների ենթատիպերը, որոնք չեն եղել ուսուցման հավաքածուում։

Թարգմանությունը՝ Lurer.com-ի