Νέα έρευνα του European Sociaty of Cardiology αποκαλύπτει ότι η αποστολή μιας φωτογραφίας στον γιατρό μας είναι ο πιο απλός τρόπος για να διαγνωστεί κάποιο καρδιολογικό πρόβλημα.
Η συγκεκριμένη έρευνα, σύμφωνα με τη European Society of Cardiology, είναι η πρώτη που δείχνει ότι είναι δυνατόν να χρησιμοποιηθεί ένας αλγόριθμος μηχανικής μάθησης (deep learning) για τον εντοπισμό στεφανιαίας νόσου μέσω ανάλυσης τεσσάρων φωτογραφιών ενός προσώπου.
Αν και ο αλγόριθμος πρέπει να αναπτυχθεί περαιτέρω και να δοκιμαστεί σε μεγαλύτερες ομάδες ατόμων, με διαφορετικά εθνοτικά χαρακτηριστικά, οι ερευνητές εκτιμούν πως θα μπορούσε να χρησιμοποιηθεί ως εργαλείο ελέγχου που θα μπορούσε να εντοπίζει πιθανές καρδιοπάθειες σε άτομα του γενικού πληθυσμού ή σε ευπαθείς ομάδες, με σκοπό να εξεταστούν περαιτέρω.
«Από όσο γνωρίζουμε είναι η πρώτη δουλειά που υποδεικνύει ότι η τεχνητή νοημοσύνη θα μπορούσε να χρησιμοποιηθεί για την ανάλυση προσώπων με σκοπό να εντοπιστούν καρδιοπάθειες.
Είναι ένα βήμα προς την κατεύθυνση της ανάπτυξης ενός εργαλείου με βάση το deep learning που θα μπορούσε να χρησιμοποιηθεί για την αξιολόγηση του κινδύνου καρδιοπάθειας…σκοπός μας είναι να αναπτύξουμε μια εφαρμογή αυτοαναφοράς για ομάδες υψηλού κινδύνου με σκοπό να αξιολογείται ο κίνδυνος καρδιοπάθειας πριν γίνει επίσκεψη σε κλινική…ωστόσο ο αλγόριθμος θέλει περισσότερη εξέλιξη και εξωτερική επικύρωση σε άλλους πληθυσμούς και εθνότητες» δήλωσε ο καθηγητής Ζε Ζανγκ, του Εθνικού Κέντρου Καρδιαγγειακών Παθήσεων στην Κίνα.
Είναι ήδη γνωστό, σύμφωνα με άρθρο της naftemporiki.gr πως συγκεκριμένα χαρακτηριστικά του προσώπου σχετίζονται με έναν αυξημένο κίνδυνο καρδιοπάθειας.
Αυτά περιλαμβάνουν αραίωμα ή γκριζάρισμα των μαλλιών, ρυτίδες κ.α.
Ωστόσο είναι δύσκολο να αξιοποιηθούν αποτελεσματικά από ανθρώπους παρατηρητές για την πρόβλεψη και ποσοτικοποίηση του κινδύνου καρδιοπάθειας.
Ο Ζενγκ, ο καθηγητής Σιανγκ Γιανγκ Τζι του Τμήματος Αυτοματισμού του Πανεπιστημίου Τσινγκουά και άλλοι συνάδελφοί τους αξιοποίησαν για το...
Πηγή/Περισσότερα: in.gr


































