به گزارش ایسنا به نقل از بیزنس اینسایدر، این تحقیق جدید که در ژورنال علمی Scientific Reports منتشر شده می‌تواند آینده علم پزشکی را متحول کند.

این سامانه هوشمند با بررسی اسکن‌های پزشکی افراد می‌تواند پیش‌بینی‌های دقیقی از روند مرگ افراد تا پنج سال زودتر از موعد ارائه کند.

در این تحقیقات محققان با استفاده از الگوریتم‌های یادگیری ماشین اسکن‌های سینه 48 بیمار بالای 60 سال را بررسی کردند و این سامانه موفق شد زمان مرگ آنها را با دقت 70 درصد در پنج سال بعد از تاریخ عکس‌ها حدس بزند.

برخی از این افراد از بیماری جان سالم به در برده بودند و برخی نیز فوت کرده بودند و سامانه وضعیت 33 نفر از آنها را به درستی پیش‌بینی کرد.

اسکن‌های سینه یکی از روش‌های مناسب برای بررسی اعضای حیاتی بدن نظیر قلب و ریه و همچنین رگ‌های اصلی خون هستند و متخصصان از آنها برای سنجش وضعیت فعالیت‌های مخرب مانند تومورسازی، انسداد عروق و "پلاک آترواسکلروز"( atherosclerotic plaque) که از علائم خطرناک تصلیب شرایین است، استفاده می‌کنند.

با توجه به متفاوت بودن عوامل و تعدد آنها محققان نمی‌توانند به راحتی تشخیص بدهند که کدام عامل می‌تواند سبب مرگ شود و در اینجا هوش مصنوعی می‌تواند وارد شده و با استفاده از داده‌های زیاد و یادگیری ماشین کیفیت تشخیص را بهتر کند و به همین دلیل بیش از 12 هزار بیمار به تازگی تحت بررسی این سامانه هوشمند قرار می‌گیرند.

"لوک اوکدن-راینر"( Luke Oakden-Rayner) محقق ارشد این تحقیق گفت: با وجود اینکه جامعه آماری ما در ابتدای تحقیق بسیار محدود بود اما نتایج آن نشان می‌دهد که این سامانه هوشمند موفق شده به روند تشخیص عوامل تاثیرگذار حیاتی دست پیدا کند؛ کاری که اکثر متخصصان نمی‌توانند به راحتی انجام دهند.

وی افزود: این تحقیق درهای جدیدی را برای پردازش تصاویر پزشکی با استفاده از هوش مصنوعی باز می‌کند که به کشف و درمان بیماری‌های مخرب و مزمنی که هنوز در مراحل ابتدایی هستند منجر می‌شود.

تا به حال بیشتر مطالعات تحقیقاتی در زمینه پیش‌بینی روند سلامت افراد بر پایه ژنوم‌ها و اطلاعات آنها انجام شده است اما مشخصا ژنتیک در تعیین روند بیماری‌های مرتبط با افزایش سن دقیق نیست طبق بررسی‌های صورت گرفته بین 70 تا 90 درصد مرگ افراد مسن به خاطر عوامل غیرژنتیکی است.

دلیل این موضوع این است که محیط و سبک زندگی در وضعیت سلامت افراد و بخصوص افراد مسن بسیار تاثیرگذار است.

محقق ارشد این تحقیق خاطرنشان کرد: این سامانه به جای تشخیص بیماری‌ها می‌تواند نتایج پزشکی را به خوبی پیش‌بینی کند، کاری که پزشکان برای آن تربیت نمی‌شوند اما حجم زیاد داده برای افزایش بهره‌وری و دقت آن مورد نیاز است.