 
                                  به گزارش مجله خبری نگار،دانشمندان دانشگاه سچنوف با همکاری VimpelCom، یک سیستم مبتنی بر هوش مصنوعی برای تجزیه و تحلیل تغییرات دژنراتیو در بافت کلیه ایجاد کردهاند. این الگوریتم به پاتولوژیستها کمک میکند تا بدخیمی تومورهای کلیه را با دقت بیشتری تعیین کنند. این خبر توسط دانشگاه پزشکی دولتی اول مسکو به Gazeta.Ru گزارش شد.
گزارش شده است که این سیستم تصاویر تومور دیجیتال را تجزیه و تحلیل میکند و سلولهایی را که هستکهای قابل مشاهده دارند - نشانهای از تهاجمی بودن بیماری - شناسایی میکند. برخلاف ارزیابی بصری ذهنی با استفاده از طبقهبندی WHO/ISUP، هوش مصنوعی به طور خودکار هر سلول را در بخش طبقهبندی میکند.
در این نشریه آمده است: «این فناوری در ابتدا برای تسهیل کار روتین آسیبشناسان ایجاد شده بود، اما در طول مطالعه به یک کشف اساسی منجر شد.»
در این نشریه توضیح داده شده است که الگوریتمی که روی بیش از ۲۰۰۰۰۰ سلول آموزش داده شده است، یک معیار کلیدی پیشآگهی را شناسایی کرده است: اگر بیش از ۱۱٪ از سلولهای بافتی دارای هستکهای برجسته باشند، میانگین میزان بقا به ۲.۲ سال کاهش مییابد، در حالی که با درصد کمتر، این میزان شش سال است. دانشمندان بر اساس تجزیه و تحلیل ۵۰۰۰۰ سلول از ۱۴۴ نمونه، چهار الگوی مورفولوژیکی پایدار با پیشآگهیهای مختلف را شناسایی کردند که همیشه با طبقهبندی رسمی مطابقت ندارند.
نویسندگان پیشنهاد میکنند که طبقهبندی بینالمللی با دو معیار عینی تکمیل شود: آستانهای برای اهمیت نسبت سلولهای دارای هستک و در نظر گرفتن تغییرات دیستروفیک به عنوان نشانگر پیشآگهی نامطلوب.
این مدل در حال حاضر در نرمافزار تحلیل دیجیتال ادغام شده و آماده استفاده در عمل بالینی است و به جای ارزیابیهای ذهنی، معیارهای کمی را در اختیار پزشکان قرار میدهد.
پیش از این، در ۲۴ اکتبر، هرمان گرف، مدیرعامل اسبربانک، در نهمین کنفرانس «فراتر از آموزش» اظهار داشت که هوش مصنوعی مستلزم بررسی فناوریهای آموزشی موجود است. در طول این جلسه، گرف به همراه الکساندر کاپلان، متخصص فیزیولوژی اعصاب، و نیک شکلتون-جونز، متخصص یادگیری، در مورد تغییرات اساسی در تفکر انسان در عصر هوش مصنوعی بحث کردند.
منبع: iz
 
                                 
                                 
                                