تشخیص عفونت گوش توسط هوش مصنوعی

آیا کاری وجود دارد که هوش مصنوعی این روزها در آن ورود نکرده باشد و قادر به انجام آن نباشد؟ اکنون نشان داده که قادر است عفونت گوش یا عفونت حاد گوش میانی(AOM) را در قالب یک اپلیکیشن گوشی هوشمند تشخیص دهد.
به نقل از آیای، تحقیقات تازه یک ابزار هوش مصنوعی نوین اراعه کرده است که با تجزیه و تحلیل ویدیوی کوتاهی از پرده گوش که با اتوسکوپ(دستگاه پزشکی که برای بازدید داخل گوش منفعت گیری میشود) متصل به تلفن همراه گرفته میشود، قادر به تشخیص عفونت گوش است.
دانشمندان مرکز پزشکی دانشگاه پیتزبورگ که این اپلیکیشن تلفن همراه را تشکیل کردهاند، میگویند این ابزار یک تشخیص ساده را اراعه میکند.
آنها اعتقاد دارند نوآوری آنها میتواند منفعت گیری غیرضروری از آنتیبیوتیک را در کودکان خردسال افت دهد و تشخیص اراعه شده توسط برنامه آنها آنقدر کارآمد است که به طور بالقوه میتواند از نظر دقت از پزشکان نیز پیشی بگیرد.
ابتلای ۷۰ درصد از کودکان به عفونت گوش قبل از یک سالگی
عفونت حاد گوش میانی(AOM) یک نوع شایع از عفونت گوش است که به طور اختصاصی در کودکان شایع است. این بیماری وقتی رخ میدهد که گوش میانی زیاد تر به علت عفونتهای باکتریایی یا ویروسی عفونی و التهاب میشود.
علائم AOM میتواند شامل گوشدرد، تب، تحریکپذیری و بعضی اوقات تخلیه مایع از گوش باشد.
آلخاندرو هوبرمن نویسنده ارشد این مطالعه میگوید: عفونت حاد گوش میانی زیاد تر به نادرست تشخیص داده میشود و این تشخیص کمتر، تبدیل مراقبت ناکافی میشود و تشخیص نادرست تبدیل درمان غیر الزامی با آنتیبیوتیک میشود که میتواند اثربخشی آنتیبیوتیکهای حاضر اکنون را به خطر بیندازد. ابزار ما به تشخیص صحیح و راهنمایی درمان مناسب پشتیبانی میکند.
هوبرمن میگوید نزدیک به ۷۰ درصد از کودکان قبل از یک سالگی دچار عفونت گوش خواهد شد. در حالی که این بیماری رایج است، تشخیص دقیق آن به علت چالش برانگیز بودن تشخیص نشانههای بصری ظریف روی پرده گوش نوزاد، به یک چشم آموزشدیده نیاز دارد.
عفونت حاد گوش میانی(AOM) زیاد تر با عفونت گوش میانی همراه با نشت مایع از گوش نادرست گرفته میشود. این نشت مایع از مایعی ناشی میشود که پشت گوش جمع میشود و وضعیتی است که طبق معمولً توسط باکتریها تشکیل نمیشود، به این علت نیازی به منفعت گیری از آنتیبیوتیک ندارد.
برای بهبود دقت تشخیص AOM، هوبرمن و تیمش ۱۱۵۱ ویدیو از پرده گوش را از ۶۳۵ کودک که بین سالهای ۲۰۱۸ تا ۲۰۲۳ در مطبهای اطفال دیده شده بودند، جمعآوری و تجزیه و تحلیل کردند.
دو متخصص باتجربه این ویدیوها را بازدید کردند تا تشخیص دهند که آیا بیماران مبتلا به AOM می باشند یا خیر.
همزمان، پژوهشگران نزدیک به ۹۲۱ ویدیو را از آرشیو خود بیرون آوردند تا به دو مدل هوش مصنوعی آموزش دهند AOM را شناسایی کند.
سپس این دو مدل هوش مصنوعی در نقش کارآگاهان دیجیتالی، شکل، موقعیت، رنگ و مات بودن پردههای گوش را بازدید کردند و سپس پژوهشگران این مدلها را با ۲۳۰ ویدیوی باقیمانده مورد آزمایش قرار دادند.
سرانجام آنها موفق شدند این بیماری را با دقت بیشتر از ۹۳ درصدی تشخیص دهند. به زبان ساده، آنها هیچ زمان هشدارهای کاذب یا تشخیص نادرست ندادند.
هوبرمن میگوید مطالعات قبلی نشان داده می بود که اسناد انسانی میتوانند طیف وسیعی از مقدار پیروزی را از ۳۰ درصد تا ۸۴ درصد، بسته به تواناییها و این که با چه فردی ارتباط دارید، در بر داشته باشند.
وی او گفت: این یافتهها نشان خواهند داد که ابزار ما از تعداد بسیاری از پزشکان دقیقتر است. این میتواند یک تحول دهنده در تنظیمات مراقبتهای بهداشتی اولیه برای حمایتاز پزشکان در تشخیص دقیق AOM و هدایت تصمیمات درمانی باشد.
هوبرمن افزود: یکی دیگر از مزایای ابزار ما این است که ویدیوهایی که ما میگیریم را میتوان در پرونده پزشکی بیمار ذخیره کرد و با اراعه دهندگان خدمات بهداشتی دیگر به اشتراک گذاشت. ما این چنین میتوانیم به والدین و کارآموزان(دانشجویان پزشکی و دستیاران) آنچه را که میبینیم نشان دهیم و توضیح دهیم که چطور عفونت گوش را تشخیص دادیم یا ندادیم. این به گفتن یک ابزار آموزشی و برای مطمعن دادن به والدین از این که فرزندشان تحت درمان مناسب است، مهم است.
این مطالعه در مجله JAMA Pediatrics انتشار شده است.