وبلاگ

بر اساس یک مطالعه جدید توسط مؤسسه ملی، هوش مصنوعی (AI) و یادگیری ماشینی (ML) می توانند به طور موثر سندرم تخمدان پلی کیستیک (PCOS)، شایع ترین اختلال هورمونی در بین زنان، معمولاً بین سنین 15 تا 45 سال را شناسایی و تشخیص دهند. سلامتی. محققان به طور سیستماتیک مطالعات علمی منتشر شده را که از AI/ML برای تجزیه و تحلیل داده‌ها برای تشخیص و طبقه‌بندی PCOS استفاده می‌کردند، مرور کردند و دریافتند که برنامه‌های مبتنی بر AI/ML قادر به تشخیص PCOS هستند.

جانت هال، محقق ارشد، گفت: “با توجه به بار بزرگ PCOS تشخیص داده نشده و اشتباه در جامعه و پیامدهای بالقوه جدی آن، ما می خواستیم کاربرد AI/ML را در شناسایی بیمارانی که ممکن است در معرض خطر ابتلا به PCOS باشند، شناسایی کنیم.” و متخصص غدد در موسسه ملی علوم بهداشت محیطی (NIEHS)، بخشی از NIH، و یکی از نویسندگان این مطالعه. اثربخشی هوش مصنوعی و یادگیری ماشینی در تشخیص PCOS حتی بیشتر از آن چیزی بود که فکر می‌کردیم.

PCOS زمانی رخ می دهد که تخمدان ها به درستی کار نمی کنند و اغلب با افزایش سطح تستوسترون همراه است. این اختلال می تواند باعث قاعدگی نامنظم، آکنه، موهای زائد صورت یا ریزش مو از پوست سر شود. زنان مبتلا به PCOS اغلب در معرض افزایش خطر ابتلا به دیابت نوع 2 و همچنین اختلالات خواب، اختلالات روانی، قلبی عروقی و سایر اختلالات تولید مثلی مانند سرطان رحم و ناباروری هستند.

اسکند شکر، MD، نویسنده ارشد این مطالعه و دستیار تحقیقاتی و متخصص غدد در NIEHS، گفت: “تشخیص PCOS با توجه به همپوشانی آن با سایر شرایط می تواند چالش برانگیز باشد.”

شکار گفت: «این داده‌ها منعکس‌کننده پتانسیل استفاده نشده از AI/ML در پرونده‌های سلامت الکترونیک و سایر تنظیمات بالینی برای بهبود تشخیص و مراقبت از زنان مبتلا به PCOS هستند.

نویسندگان مطالعه ادغام مطالعات جمعیت بزرگ با مجموعه داده های الکترونیکی سلامت و تجزیه و تحلیل تست های آزمایشگاهی رایج را برای شناسایی نشانگرهای زیستی تشخیصی حساس که ممکن است تشخیص PCOS را تسهیل کنند، پیشنهاد می کنند.

تشخیص بر اساس معیارهای استاندارد پذیرفته شده به طور گسترده ای است که در طول سال ها تکامل یافته اند، اما معمولاً شامل ویژگی های بالینی (مانند آکنه، رشد موی بیش از حد، و دوره های نامنظم) همراه با یافته های آزمایشگاهی (مثلاً تستوسترون خون بالا) و یافته های رادیولوژیکی (مثلاً چندگانه) است. کیست های کوچک و تخمدان های بزرگ در سونوگرافی تخمدان). با این حال، از آنجایی که برخی از ویژگی‌های PCOS می‌تواند با بیماری‌های دیگری مانند چاقی، دیابت و اختلالات قلبی متابولیک همراه باشد، اغلب ناشناخته می‌ماند.

هوش مصنوعی به استفاده از سیستم‌ها یا ابزارهای مبتنی بر رایانه برای تقلید از هوش انسانی و کمک به تصمیم‌گیری یا پیش‌بینی اشاره دارد. ML شاخه ای از هوش مصنوعی است که بر یادگیری از رویدادهای گذشته و استفاده از آن دانش در تصمیم گیری های آینده متمرکز است. هوش مصنوعی می‌تواند حجم وسیعی از داده‌های متفاوت، مانند داده‌های به‌دست‌آمده از پرونده‌های سلامت الکترونیکی را پردازش کند، که آن را به یک کمک ایده‌آل در تشخیص بیماری‌های سخت‌شناس مانند PCOS تبدیل می‌کند.

محققان یک بررسی سیستماتیک از تمام مطالعات بررسی شده در این زمینه در 25 سال گذشته (1997-2022) منتشر کردند که از AI/ML برای تشخیص PCOS استفاده می کردند. با کمک یک کتابدار با تجربه NIH، محققان مطالعات بالقوه مرتبط را شناسایی کردند. در مجموع، آنها 135 مطالعه را بررسی کردند و 31 مورد را در این مقاله گنجاندند. همه مطالعات مشاهده‌ای بودند و استفاده از فناوری‌های AI/ML را در تشخیص بیمار ارزیابی کردند. تصویربرداری اولتراسوند در حدود نیمی از مطالعات گنجانده شد. میانگین سنی شرکت کنندگان در مطالعات 29 سال بود.

در بین 10 مطالعه ای که از معیارهای تشخیصی استاندارد برای تشخیص PCOS استفاده کردند، دقت تشخیص بین 80 تا 90 درصد متغیر بود.

شکار گفت: «در طیف وسیعی از روش‌های تشخیصی و طبقه‌بندی، عملکرد بسیار بالایی AI/ML در تشخیص PCOS وجود داشت که مهم‌ترین یافته مطالعه ما است.

نویسندگان خاطرنشان می‌کنند که برنامه‌های مبتنی بر AI/ML این پتانسیل را دارند که توانایی ما را برای شناسایی زودهنگام زنان مبتلا به PCOS، با صرفه‌جویی در هزینه‌ها و کاهش بار PCOS بر روی بیماران و سیستم مراقبت‌های بهداشتی، بهبود بخشند.

مطالعات بعدی با روش‌های معتبر و آزمایشی قوی، ادغام AI/ML را برای شرایط سلامت مزمن ممکن می‌سازد.

چندین کارآزمایی بالینی NIEHS بر درک و تشخیص PCOS متمرکز شده اند. بیشتر بدانید در به یک مطالعه NIEHS بپیوندید.

کمک های مالی: این کار توسط برنامه تحقیقاتی درون دانشگاهی NIH/موسسه ملی علوم بهداشت محیطی (ZIDES102465 و ZIDES103323) پشتیبانی شد.

ارجاع: Barrera FJ, Brown EDL, Rojo A, Obeso J, Plata H, Lincango EP, Terry N, Rodríguez-Gutiérrez R, Hall JE, Shekhar S, 2023. کاربرد یادگیری ماشین و هوش مصنوعی در تشخیص و طبقه بندی سندرم تخمدان پلی کیستیک . : یک بررسی سیستماتیک مرزها در غدد درون ریز. [Full Text Barrera FJ, Brown EDL, Rojo A, Obeso J, Plata H, Lincango EP, Terry N, Rodríguez-Gutiérrez R, Hall JE, Shekhar S, 2023. Application of machine learning and artificial intelligence in the diagnosis and classification of polycystic ovarian syndrome: a systematic review. Frontiers in Endocrinology.]

درباره موسسه ملی علوم بهداشت محیطی (NIEHS): NIEHS از تحقیقات برای درک تأثیرات محیط بر سلامت انسان پشتیبانی می کند و بخشی از مؤسسه ملی بهداشت است. برای کسب اطلاعات بیشتر در مورد NIEHS یا موضوعات بهداشت محیطی، مراجعه کنید www.niehs.nih.gov یا مشترک الف شوید لیست اخبار.

برای مؤسسه ملی بهداشت (NIH): NIH، آژانس ملی تحقیقات پزشکی، شامل 27 موسسه و مرکز است و بخشی از وزارت بهداشت و خدمات انسانی ایالات متحده است. NIH اولین آژانس فدرال است که تحقیقات پزشکی پایه، بالینی و ترجمه را انجام و پشتیبانی می کند و علل، درمان ها و درمان بیماری های شایع و نادر را بررسی می کند. برای کسب اطلاعات بیشتر در مورد NIH و برنامه های آن، مراجعه کنید www.nih.gov.

NIH…ترجمه کشف به سلامت^®