آکادمی DAMO بهعنوان بازوی تحقیقاتی گروه علیبابا، یک مدل هوش مصنوعی را متنباز کرده که میتواند با بررسی تصاویر سیتیاسکن (CT)، نزدیک به ۱۵۰ نوع بیماری شکمی، از جمله سرطانها، را شناسایی کند.
به گزارش نشریه SCMP، این مدل بینایی-زبانی که Damo Radar نام دارد، برای تحلیل سیتیاسکنهای دارای ماده حاجب طراحی شده است. این مدل قادر است تصاویر مربوط به ۱۸ اندام شکمی را بررسی کرده و طیف گستردهای از بیماریها و ناهنجاریها، مانند تومورهای بدخیم، را شناسایی کند. چندین مؤسسه دیگر، از جمله یکی از بیمارستانهای وابسته به دانشگاه ژجیانگ چین، در این تحقیق با علیبابا همکاری داشتند.
هوش مصنوعی Damo Radar میتواند دقت و سرعت کار رادیولوژیستها را افزایش دهد
طبق اعلام این مؤسسه، مدل Damo Radar با استفاده از سیتیاسکنهایی که همراه با گزارشهای پزشکی بودند، آموزش داده شده است. در نزدیک به ۴۰ هزار آزمایش واقعی، این مدل میانگین امتیاز AUC برابر با ۰.۹۱۳ را در شناسایی ۱۴۶ یافته بالینی به دست آورد. امتیاز ۱ نشاندهنده دقت تشخیصی ایدهآل است. تیم تحقیقاتی میگوید روش آموزش این مدل در آینده میتواند برای انواع دیگر تصویربرداری پزشکی نیز استفاده شود و آن را نخستین مدل عمومی تصویربرداری پزشکی در جهان با سطح تخصصی توصیف کرده است.
در یک مطالعه مقایسهای که با حضور ۲۶ رادیولوژیست از چندین بیمارستان انجام شد، دقت میانگین Damo Radar از ۲۳ نفر از شرکتکنندگان انسانی بیشتر بود. همچنین با کمک این مدل، رادیولوژیستها توانستند توانایی خود در جلوگیری از تشخیصهای ازدسترفته را ۱۰ درصد افزایش دهند و زمان موردنیاز برای بررسی تصاویر را بیش از ۳۰ درصد کاهش دهند.
انتشار این مدل ادامه مجموعهای از پیشرفتهای اخیر علیبابا در حوزه هوش مصنوعی پزشکی است؛ زیرا غولهای فناوری چین بهطور فزایندهای درحال بررسی استفاده از فناوریهای پیشرفته در حوزه سلامت هستند. در سالهای اخیر، آکادمی DAMO تمرکز زیادی بر توسعه ابزارهای غربالگری مبتنی بر هوش مصنوعی داشته تا به پزشکان در شناسایی بیماریهایی مانند سرطان پانکراس، معده و روده بزرگ و همچنین پارگی آئورت کمک کند.
