به گزارش مجله خبری نگار، سرویس مطبوعاتی دانشگاه این موضوع را در اول ژوئیه گزارش داد. این دانشگاه توضیح داد که دانشمندان در حال توسعه یک سیستم نوآورانه مبتنی بر مدلسازی ریاضی و الگوریتمهای هوش مصنوعی هستند تا به پزشکان در ارزیابی خطر جدا شدن لخته در بیماران و جلوگیری از حملات قلبی، سکته مغزی و سایر عوارض کمک کنند.
کارینا اورازووا، مدیر پروژه Thromb.AI، توضیح داد که نرمافزار جدید که بر اساس یادگیری عمیق توسعه یافته است، نه تنها لختهها را در سیتیاسکن شناسایی میکند، بلکه مدلهای سهبعدی آنها را نیز اصلاح میکند. بر اساس این مدلها، شبکههای عصبی، شبکههای محاسباتی ایجاد میکنند که همودینامیک را شبیهسازی کرده و سناریوهای متعددی را بر اساس شکل، اندازه و سایر معیارها لخته شناسایی میکنند و محتملترین سناریو برای پارگی را جدا میکنند.
این ابزار به پزشکان اجازه میدهد تا شرایط و زمان جدا شدن لخته را پیشبینی کرده و درمان پیشگیرانه شخصیسازیشده را تجویز کنند. اورازووا تأکید میکند که راهحلهای فنی محلی و بینالمللی فعلی قادر به تشخیص لختهها در تصاویر هستند، اما به دلیل دشواری پیشبینی این عوامل، قادر به ارزیابی خطر جدا شدن لخته نیستند. او خاطرنشان میکند که پروژه آنها راهحلی برای این معضل است. قرار است نمونه اولیه قبل از پایان سال ۲۰۲۵ تکمیل شود، در حالی که انتظار میرود مدل نهایی تا سال ۲۰۲۷ عرضه شود.