تیمی از محققین با استفاده از یک مدل یادگیری عمیق مبتنی بر هوش مصنوعی، در راستای کمک به جامعه پزشکی در زمینه بررسی دقیق‌تر تصاویر سونوگرافی و در نتیجه تشخیص بهتر نقص‌های مادرزادی قبل از تولد کودک، مطالعاتی انجام داده‌اند.
به گزارش گرداب، بر اساس مطالعات دکتر واکر که در دانشکده پزشکی دانشگاه اتاوا صورت گرفته است، تیمی از محققین با استفاده از یک مدل یادگیری عمیق منحصر به فرد مبتنی بر هوش مصنوعی، در تلاش هستند که این هوش مصنوعی را توسعه دهند و در زمینه بررسی دقیق‌تر و سریع‌تر تصاویر سونوگرافی استفاده کنند.
در ابتدا هدف این تیم از انجام این مطالعات، شناسایی اولیه هیگرومای کیستیک بود. این اختلال نادر یک بیماری جنینی است که باعث می‌شود سیستم عروقی لنفاوی به طور غیرطبیعی رشد کند و در نتیجه منجر به تورم مایع در اطراف سر و گردن می‌شود. به این منظور، تصاویر سونوگرافی سه ماهه اول جنین با الگو‌های یادگیری عمیق توسط محققین مورد بررسی قرار می‌گرفت.
با وجود این که پزشکان می‌توانند این نقص مادرزادی را در یک جلسه سونوگرافی به راحتی تشخیص بدهند، دکتر واکر- یکی از بنیانگذاران گروه تحقیقاتی زنان و زایمان (OMNI) در بیمارستان اتاوا- و گروه تحقیقاتی او در صدد این بودند که صحت تشخیص هوش مصنوعی را نیز ارزیابی کنند.
دورنمای این تیم تحقیقاتی تنها به تشخیص این نمونه خاص بیماری نیست و هدف نهایی آن‌ها رسیدن به ابزاری قدرتمند است که سایر ناهنجاری‌های جنینی را نیز بتواند تشخیص دهد. امید است در آینده نزدیک طراحی این هوش مصنوعی کامل‌تر شود و دستاورد‌های بیشتری در زمینه طبقه‌بندی و مطالعه تصاویر سونوگرافی را در اختیار جامعه پزشکی قرار دهد.
