تشخیص عفونت گوش با کمک هوش مصنوعی

ایسنا نوشت؛ به نقل از آی‌ای، تحقیقات جدید یک ابزار هوش مصنوعی نوین ارائه کرده است که با تجزیه و تحلیل ویدیوی کوتاهی از پرده گوش که با اتوسکوپ(دستگاه پزشکی که برای بررسی داخل گوش استفاده می‌شود) متصل به تلفن همراه گرفته می‌شود، قادر به تشخیص عفونت گوش است.

دانشمندان مرکز پزشکی دانشگاه پیتزبورگ که این اپلیکیشن تلفن همراه را ایجاد کرده‌اند، می‌گویند این ابزار یک تشخیص ساده را ارائه می‌کند.

آنها معتقدند نوآوری آنها می‌تواند استفاده غیرضروری از آنتی‌بیوتیک را در کودکان خردسال کاهش دهد و تشخیص ارائه شده توسط برنامه آنها آنقدر کارآمد است که به طور بالقوه می‌تواند از نظر دقت از پزشکان نیز پیشی بگیرد.

ابتلای ۷۰ درصد از کودکان به عفونت گوش قبل از یک سالگی

عفونت حاد گوش میانی(AOM) یک نوع شایع از عفونت گوش است که به طور ویژه در کودکان شایع است. این بیماری زمانی رخ می‌دهد که گوش میانی اغلب به دلیل عفونت‌های باکتریایی یا ویروسی عفونی و ملتهب می‌شود.

علائم AOM می‌تواند شامل گوش‌درد، تب، تحریک‌پذیری و گاهی تخلیه مایع از گوش باشد.

آلخاندرو هوبرمن نویسنده ارشد این مطالعه می‌گوید: عفونت حاد گوش میانی اغلب به اشتباه تشخیص داده می‌شود و این تشخیص کمتر، منجر به مراقبت ناکافی می‌شود و تشخیص نادرست منجر به درمان غیر ضروری با آنتی‌بیوتیک می‌شود که می‌تواند اثربخشی آنتی‌بیوتیک‌های موجود در حال حاضر را به خطر بیندازد. ابزار ما به تشخیص صحیح و راهنمایی درمان مناسب کمک می‌کند.

هوبرمن می‌گوید حدود ۷۰ درصد از کودکان قبل از یک سالگی دچار عفونت گوش می‌شوند. در حالی که این بیماری رایج است، تشخیص دقیق آن به دلیل چالش برانگیز بودن تشخیص نشانه‌های بصری ظریف روی پرده گوش نوزاد، به یک چشم آموزش‌دیده نیاز دارد.

عفونت حاد گوش میانی(AOM) اغلب با عفونت گوش میانی همراه با نشت مایع از گوش اشتباه گرفته می‌شود. این نشت مایع از مایعی ناشی می‌شود که پشت گوش جمع می‌شود و وضعیتی است که معمولاً توسط باکتری‌ها ایجاد نمی‌شود، بنابراین نیازی به استفاده از آنتی‌بیوتیک ندارد.

برای بهبود دقت تشخیص AOM، هوبرمن و تیمش ۱۱۵۱ ویدیو از پرده گوش را از ۶۳۵ کودک که بین سال‌های ۲۰۱۸ تا ۲۰۲۳ در مطب‌های اطفال دیده شده بودند، جمع‌آوری و تجزیه و تحلیل کردند.

دو متخصص باتجربه این ویدیوها را بررسی کردند تا تشخیص دهند که آیا بیماران مبتلا به AOM هستند یا خیر.

همزمان، پژوهشگران حدود ۹۲۱ ویدیو را از آرشیو خود بیرون آوردند تا به دو مدل هوش مصنوعی آموزش دهند AOM را شناسایی کند.

سپس این دو مدل هوش مصنوعی در نقش کارآگاهان دیجیتالی، شکل، موقعیت، رنگ و مات بودن پرده‌های گوش را بررسی کردند و سپس پژوهشگران این مدل‌ها را با ۲۳۰ ویدیوی باقی‌مانده مورد آزمایش قرار دادند.

سرانجام آنها موفق شدند این بیماری را با دقت بیش از ۹۳ درصدی تشخیص دهند. به زبان ساده، آنها هرگز هشدارهای کاذب یا تشخیص اشتباه ندادند.

هوبرمن می‌گوید مطالعات قبلی نشان داده بود که اسناد انسانی می‌توانند طیف وسیعی از میزان موفقیت را از ۳۰ درصد تا ۸۴ درصد، بسته به مهارت‌ها و اینکه با چه کسی سر و کار دارید، در بر داشته باشند.

وی گفت: این یافته‌ها نشان می‌دهند که ابزار ما از بسیاری از پزشکان دقیق‌تر است. این می‌تواند یک تغییر دهنده در تنظیمات مراقبت‌های بهداشتی اولیه برای حمایت از پزشکان در تشخیص دقیق AOM و هدایت تصمیمات درمانی باشد.

هوبرمن افزود: یکی دیگر از مزایای ابزار ما این است که ویدیوهایی که ما می‌گیریم را می‌توان در پرونده پزشکی بیمار ذخیره کرد و با ارائه دهندگان خدمات بهداشتی دیگر به اشتراک گذاشت. ما همچنین می‌توانیم به والدین و کارآموزان(دانشجویان پزشکی و دستیاران) آنچه را که می‌بینیم نشان دهیم و توضیح دهیم که چگونه عفونت گوش را تشخیص دادیم یا ندادیم. این به عنوان یک ابزار آموزشی و برای اطمینان دادن به والدین از اینکه فرزندشان تحت درمان مناسب است، مهم است.

این مطالعه در مجله JAMA Pediatrics منتشر شده است.