به گزارش کارگروه فناوری اطلاعات سایبربان؛ محققان دانشگاه کارنگی ملون آمریکا روشی را با استفاده از ماشین یادگیری طراحی کرده اند که نمونه های جفت موجود در رحم زنان باردار را به منظور یافتن خطرات احتمالی برای بارداری های بعدی بررسی و تحلیل می کند.
این سیستم با هدف کمک به پزشکانی طراحی شده است که گاهی اوقات جفت موجود در رحم زنان باردار را برای یافتن خطرات احتمالی زایمان بعدی شان بررسی می کنند.
یکی از بزرگترین نشانه های خطر می تواند التهاب رگ های خونی غشای مخاطی دور رحم و آسیب به آن ها باشد و می تواند منجر به پره اکلامپسی(یکی از عوارض خطرناک بارداری) در این فراد شود.
این عارضه وضعیتی است که 2تا8 درصد بارداری ها را مشکل می کند و در برخی موارد حتی ممکن است منجر به مرگ بچه و مادر شود.
اما اگر این آسیب ها در مراحل اولیه تشخیص داده شوند، می توانند قبل بروز علائم درمان شوند.
اما متاسفانه آزمایش آن بسیار وقت گیر است و نیازمند مهارت بسیار بالایی می باشد. به همین دلایل، این آزمایش به ندرت انجام می شود و زنان باردار زیادی به دلیل آن آسیب می بینند.
محققان دانشگاه کارنگی ملون قصد دارند تا انجام این آزمایش را با یافتن خودکار رگ های آسیب دیده در دیواره های جفت، آسان و قابل دسترسی کنند.
به گفته یک محقق، پاتولوژیست ها سال ها برای تشخیص بیماری در عکس های گرفته شده در این آزمایش دوره می بینند و به آن ها آموزش داده می شود. اما تعداد پذیرش بیمارستان ها برای زایمان بسیار بالاست و متخصصان وقت کافی برای بررسی تک تک جفت ها را ندارند.
الگوریتم طراحی شده توسط محققان می تواند عکس های گرفته شده را به طور خودکار و با استفاده از هوش مصنوعی اسکن کند و محل رگ های خونی، شکل آن ها و عکس مشخص شده آن را برای متخصصان شناسایی کند و آسیب به رگ های خونی غشای رحم را تشخیص دهد.
در وهله اول این سیستم تمام رگ های موجود را پیدا و تمامی آن ها را به منظور یافتن هرگونه مشکلی بررسی می کند.این الگوریتم مشخصه های دیگر بارداری مانند مدت زمان آن را نیز مشخص می کند. در صورتی که سیستم هرگونه مشکل و وضعیت غیرعادی را شناسایی کند، آن محل را به سرعت نمایش می دهد.
این الگوریتم بسیار دقیق تر از متخصصین این حوزه آسیب ها را دسته بندی می کند.
اگرچه انتظار محققان این نیست که فناوری طراحی شده آنان جای متخصصین را پر کند و هدف از طراحی آن، کمک به پزشکان برای انجام دقیق تر و سریع تر این آزمایش می باشد. امید است تا زنان باردار بیشتری بتوانند از این فناوری مبتنی بر هوش مصنوعی بهره مند شوند.
