استفاده از هوش مصنوعی برای تعیین سن بیولوژیکی و طول عمر انسان توسط ژاپنی‌ها

به گزارش سیتنا به نقل از یورونیوز، دانشمندان مدلی از هوش مصنوعی ایجاد کرده‌اند که می‌تواند برای تعیین سن بیولوژیکی افراد، نتایج آزمایش اشعه ایکس قفسه سینه فرد را بخواند.

یک مطالعه جدید نشان می‌دهد که هوش مصنوعی می‌تواند سن واقعی یک فرد سالم را از طریق رادیوگرافی قفسه سینه تخمین بزند.

محققان دانشگاه متروپولیتن اوزاکا در ژاپن دریافتند که هر چه سن تخمین زده شده توسط هوش مصنوعی در مقایسه با سن واقعی افراد بالاتر باشد، احتمال ابتلای افراد به بیماری مزمن بیشتر است.

یاسوهیتو میتسویاما، از نویسندگان این مطالعه، در این باره می‌گوید: «نتایج آزمایشات ما نشان می‌دهد که سن ظاهری مبتنی بر رادیوگرافی قفسه سینه می‌تواند وضع سلامت فرد را بهتر از سن تقویمی او نشان دهد.»

او اضافه کرد: «ما قصد داریم این تحقیق را بیشتر توسعه دهیم و از آن برای تخمین شدت بیماری‌های مزمن، پیش‌بینی امید به زندگی و برآورد عوارض احتمالی جراحی‌ها استفاده کنیم.»

به منظور ایجاد یک مدل هوش مصنوعی که بتواند رادیوگرافی قفسه سینه یا پرتوهای ایکس را بخواند، محققان ۶۷ هزار رادیوگرافی قفسه سینه از افراد سالم و بیش از ۳۴ هزار رادیوگرافی از بیماران مبتلا به بیماری‌های شناخته شده که بین سال‌های ۲۰۰۸ تا ۲۰۱۱ از افراد سالم در چندین مؤسسه مختلف گرفته شده بود، استفاده کردند.

تصور می‌شود که برای افراد سالم، یک همبستگی قوی بین سن تخمین زده شده توسط هوش مصنوعی و سن تقویمی فرد وجود دارد.

آنها مشخص کردند که مدل تخمینی هوش مصنوعی سن بالاتری را در مقایسه با سن واقعی فرد برای برخی بیماری‌های مزمن مانند فشار خون بالا، بیماری انسدادی مزمن ریه، بیماری کبد، بیماری ریوی و نارسایی مزمن کلیوی نشان می‌دهد.

با این حال به گفته دانشمندان برای بیماری‌های حاد، مانند مواردی نظیر عفونت‌های ذات‌الریه، همبستگی کمی بین سن تخمینی و سن واقعی فرد وجود داشت.

نویسندگان مطالعه در مقاله خود آورده‌اند: «این نتیجه به این معنی است که هوش مصنوعی ما به جای مشکلات گذرا و مقطعی در رادیوگرافی قفسه سینه، بر مشکلات سلامتی مزمن فرد متمرکز است. امری که منطقی به نظر می‌رسد زیرا افزایش سن ناشی از مشکلات مزمنی است که در طول زمان روی هم انباشته می‌شوند.»

محققان می‌گویند که این مدل هوش مصنوعی می‌تواند به عنوان شاخصی برای تشخیص بیماری‌های مرتبط با سن و همچنین مداخله زودهنگام پزشکی کمک کادر درمان باشد.

به گفته آنان البته هنوز برای تایید علیت و مقایسه مدل‌های هوش مصنوعی با سایر نشانگرهای سن بیولوژیکی مطالعات بیشتری مورد نیاز است.

انتهای پیام