تشخیص نشانه‌های بیماری در اسکن‌های MRI با هوش مصنوعی

با دوستان خود را به اشتراک بگذارید:

هوش مصنوعی یک استارتاپ قادر به بررسی تصاویر MRI بیماران و پیدا کردن رسوبات چربی پنهان بالقوه مضر اطراف اندام‌ها آنها خواهد بود.

یک استارتاپ بریتانیایی در حوزه فناوری سلامت از پلتفرم هوش مصنوعی جدیدی رونمایی کرده است که می‌تواند برای تشخیص زودهنگام بیماری، اسکن‌های MRI را تجزیه‌وتحلیل کند.

Twinn Health که شرکت نفتی «سعودی آرامکو» عربستان 500 میلیون دلار روی آن سرمایه‌گذاری کرده است، قصد دارد با کمک فناوری‌های هوش مصنو‌عی و MRI درزمینه تشخیص زودهنگام بیماری‌های مرتبط با سن قدم بزرگی بردارد.

نحوه عملکرد هوش مصنوعی Twinn Health

هوش مصنوعی این استارتاپ می‌تواند تصاویر MRI بیماران را بررسی کرده و رسوبات چربی پنهان بالقوه مضر اطراف اندام‌ها را پیدا کند که حتی در بین افراد سالم نیز می‌تواند نشان‌دهنده بیماری قلبی باشد. تمرکز اصلی Twinn Health با این برنامه روی بیماری‌های متابولیک (دیابت، فشار خون بالا و چاقی) است؛ زیرا این شرایط آسیب‌پذیری بیماران به بیماری‌های شدید مانند سکته قلبی را افزایش می‌دهد.

«وارید آلنایی»، بنیان‌گذار و مدیرعامل Twinn Health مدعی است که آزمایش‌های اولیه آن‌ها با نرخ دقت 95 درصدی در سال 2021، نتایج امیدوارکننده‌ای را به‌همراه داشته که در سال 2022 نیز تأیید شده‌اند. به گفته او، مدل هوش مصنوعی Twinn می‌تواند اختلالات متابولیک را تا نیم دهه زودتر پیش‌بینی کند.

او درباره مزایای مدل هوش مصنو‌عی Twinn می‌گوید:

«[معمولاً] MRI را انجام می‌دهید، دکتر سنگ‌های کلیه را بررسی می‌کند، گزارش را می‌نویسد و سپس داده‌های اسکن‌شده را بایگانی می‌کند تا احتمالاً دیگر هرگز بررسی نشوند. در این مرحله Twinn وارد می‌شود: ما درحال ارائه اطلاعات بیشتری از اسکن‌های MRI هستیم که ممکن است تمرکز اصلی پزشک نبوده باشد.»

Twinn Health قصد دارد تا در آینده مدل هوش مصنوعی خود را برای تشخیص بیماری‌های بیشتری مورد استفاده قرار دهد و به همین دلیل اکنون به‌دنبال سرمایه‌گذارهای بیشتری است. برنامه‌های بلندپروازانه فعلی این استارتاپ شامل مقابله با ضعف و بیماری‌های کبدی مرتبط با افزایش سن می‌شود.

بیشتر بخوانید  آموزش حرکات رزمی در متاورس از سوی آواتار بروس‌لی!

منبع: دیجیاتو

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *