یک فناوری جدید مبتنی بر هوش مصنوعی میتواند به پزشکان کمک کند تصاویر مربوط به روده باریک را در زمان بسیار کوتاهتری بررسی کنند. شرکت AnX Robotica اعلام کرده است که سامانه NaviCam ProScan در یک مطالعه پزشکی، زمان بررسی تصاویر را از حدود ۳۴ دقیقه به کمتر از ۴ دقیقه کاهش داده است. این فناوری تصاویر مشکوک را مشخص میکند تا پزشک بتواند آنها را سریعتر بررسی کند. البته تشخیص نهایی همچنان بر عهده پزشک است.
- برگه نخست
- نوشته ها
- هوش مصنوعی بررسی تصاویر پزشکی را ۸۸ درصد سریعتر کرد
هوش مصنوعی بررسی تصاویر پزشکی را ۸۸ درصد سریعتر کرد
یک فناوری جدید مبتنی بر هوش مصنوعی میتواند به پزشکان کمک کند تصاویر مربوط به روده باریک را در زمان بسیار کوتاهتری بررسی کنند. شرکت AnX Robotica اعلام کرده است که سامانه NaviCam ProScan در یک مطالعه پزشکی، زمان بررسی تصاویر را از حدود ۳۴ دقیقه به کمتر از ۴ دقیقه کاهش داده است. این فناوری تصاویر مشکوک را مشخص میکند تا پزشک بتواند آنها را سریعتر بررسی کند. البته تشخیص نهایی همچنان بر عهده پزشک است.
بررسی تصاویر پزشکی در چند دقیقه بهجای نیم ساعت
پزشکان برای تشخیص برخی بیماریهای گوارشی باید تعداد زیادی تصویر پزشکی را بررسی کنند. این کار گاهی زمان زیادی میبرد؛ زیرا ممکن است نشانههای مهم بیماری فقط در چند تصویر از میان صدها یا هزاران تصویر دیده شوند. اکنون شرکت AnX Robotica با استفاده از هوش مصنوعی تلاش کرده است این فرایند را سریعتر کند. سامانه NaviCam ProScan تصاویر ثبتشده از روده باریک را بررسی میکند و بخشهایی را که احتمال وجود مشکل در آنها مطرح است، به پزشک نشان میدهد. به این ترتیب، پزشک میتواند سریعتر به تصاویر مهم دسترسی پیدا کند و زمان کمتری را صرف بررسی دستی تمام تصاویر کند.
آندوسکوپی کپسولی چیست؟
آندوسکوپی کپسولی روشی برای مشاهده بخشهایی از دستگاه گوارش است که بررسی آنها با روشهای معمول دشوارتر است. در این روش، بیمار کپسول کوچکی را میبلعد که داخل آن یک دوربین قرار دارد. کپسول هنگام عبور از دستگاه گوارش، تصاویر زیادی ثبت میکند. سپس پزشک این تصاویر را بررسی میکند تا نشانههای احتمالی بیماری را پیدا کند. این روش میتواند به شناسایی مواردی مانند خونریزی، زخم یا تغییرات غیرطبیعی در روده باریک کمک کند. بااینحال، بررسی تعداد زیادی تصویر زمانبر است و به دقت بالایی نیاز دارد. در همین زمینه، استفاده از هوش مصنوعی در پزشکی میتواند به پزشکان کمک کند اطلاعات تصویری را سریعتر بررسی کنند و موارد مهم را راحتتر پیدا کنند.
NaviCam ProScan چگونه کار میکند؟
سامانه NaviCam ProScan از هوش مصنوعی برای بررسی تصاویر آندوسکوپی کپسولی استفاده میکند. این نرمافزار تصاویر را تحلیل میکند و مواردی را که احتمال دارد غیرطبیعی باشند، علامتگذاری میکند. همچنین به پزشک کمک میکند محل ثبت تصاویر را در مسیر دستگاه گوارش بهتر تشخیص دهد. مهمترین قابلیتهای این فناوری عبارتاند از:
- علامتگذاری تصاویر مشکوک برای بررسی دقیقتر
- کمک به پیدا کردن بخشهای مهم در میان تصاویر زیاد
- کاهش زمان موردنیاز برای بررسی تصاویر
- کمک به مدیریت بهتر پروندههای پزشکی
- فراهم کردن امکان تمرکز بیشتر پزشک بر یافتههای مهم
برای آشنایی بیشتر با این فناوری میتوان به اطلاعات رسمی دستگاه NaviCam ProScan در سازمان غذا و داروی آمریکا مراجعه کرد.
زمان بررسی تصاویر چقدر کاهش یافته است؟
مهمترین نتیجه اعلامشده درباره این فناوری، کاهش چشمگیر زمان بررسی تصاویر است. در مطالعهای چندمرکزی با حضور ۱۳۳ بیمار، میانگین زمان بررسی تصاویر روده باریک در دو روش مقایسه شد.
| روش بررسی | میانگین زمان |
|---|---|
| روش معمول | ۳۳ دقیقه و ۴۲ ثانیه |
| با کمک هوش مصنوعی ProScan | ۳ دقیقه و ۵۰ ثانیه |
بر اساس نتایج این مطالعه، زمان بررسی تصاویر ۸۸٫۶ درصد کاهش یافته است. این عدد به معنای کاهش زمان بررسی تصاویر است؛ نه اینکه تشخیص همه بیماریها ۸۸ درصد دقیقتر شده باشد. در همین مطالعه، شاخصی به نام «بازده تشخیصی» نیز افزایش یافت. این شاخص از ۶۲٫۴ درصد در روش معمول به ۷۳٫۷ درصد در روش مجهز به هوش مصنوعی رسید. بازده تشخیصی نشان میدهد در چه سهمی از بررسیها، یافتههای موردنظر شناسایی شدهاند. این نتایج امیدوارکنندهاند، اما به شرایط همان مطالعه مربوط میشوند و تضمین نمیکنند که نتیجه در تمام بیمارستانها یا برای همه بیماران یکسان باشد.
آیا هوش مصنوعی جای پزشک را میگیرد؟
خیر. این فناوری برای کمک به پزشک طراحی شده است، نه جایگزینی او. هوش مصنوعی میتواند تصاویر مشکوک را مشخص کند؛ اما هر تصویر غیرعادی لزوماً نشانه یک بیماری مشخص نیست. پزشک باید تصاویر را بررسی کند و نتایج را در کنار علائم، سابقه پزشکی و شرایط هر بیمار در نظر بگیرد. به همین دلیل، تصمیم نهایی درباره تشخیص و درمان همچنان بر عهده پزشک است. هوش مصنوعی در این فرایند نقش یک ابزار کمکی را دارد که میتواند بررسی تصاویر را سریعتر و منظمتر کند.
این فناوری چه کمکی به بیماران میکند؟
کاهش زمان بررسی تصاویر میتواند برای پزشکان و مراکز درمانی مفید باشد. برای مثال، پزشک ممکن است بتواند زمان بیشتری را به پروندههای پیچیده اختصاص دهد یا تعداد بیشتری از تصاویر را در طول روز بررسی کند. از مزایای احتمالی این فناوری میتوان به موارد زیر اشاره کرد:
- کاهش زمان بررسی تصاویر پزشکی
- کمک به پیدا کردن سریعتر موارد مشکوک
- استفاده بهتر از زمان متخصصان
- مدیریت کارآمدتر حجم بالای تصاویر
- کمک به تمرکز پزشک بر موارد نیازمند بررسی بیشتر
البته کوتاهتر شدن زمان بررسی بهتنهایی به معنای کاهش زمان انتظار همه بیماران یا پایین آمدن هزینه درمان نیست. برای اثبات چنین نتایجی، به بررسیهای بیشتری در مراکز درمانی نیاز است.
آینده هوش مصنوعی در تشخیص بیماریها
هوش مصنوعی در حال ورود به بخشهای مختلف پزشکی است. این فناوری در کنار آندوسکوپی کپسولی، برای کمک به بررسی تصاویر رادیولوژی، تصاویر چشم و نمونههای بافتی نیز توسعه یافته است. هدف این ابزارها آن است که پزشکان بتوانند حجم زیادی از اطلاعات را سریعتر بررسی کنند و نشانههای مهم را راحتتر تشخیص دهند. بااینحال، هر فناوری پزشکی باید از نظر دقت، ایمنی و عملکرد در شرایط واقعی ارزیابی شود. نتایج موفق یک ابزار نیز لزوماً به معنای عملکرد مشابه تمام سامانههای هوش مصنوعی نیست.
جمعبندی
فناوری NaviCam ProScan نمونهای از کاربرد هوش مصنوعی در سریعتر کردن بررسی تصاویر پزشکی است. بر اساس یک مطالعه با حضور ۱۳۳ بیمار، این سامانه میانگین زمان بررسی تصاویر روده باریک را از ۳۳ دقیقه و ۴۲ ثانیه به ۳ دقیقه و ۵۰ ثانیه کاهش داده است. این پیشرفت میتواند به پزشکان در مدیریت بهتر تصاویر و پیدا کردن سریعتر موارد مشکوک کمک کند. بااینحال، هوش مصنوعی هنوز یک ابزار کمکی است و پزشک باید نتایج را بررسی کرده و درباره تشخیص و درمان تصمیم بگیرد.
برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.
- صدور مجوز اپراتورهای هوش مصنوعی؛ گام جدید دولت برای توسعه اقتصاد دیجیتال
- هوش مصنوعی، موتور محرک افزایش بهرهوری در زنجیره حملونقل کشور
- رونمایی از دستیار هوشمند صنعت حملونقل در کشور با محوریت هوش مصنوعی
- افتتاح نهمین نمایشگاه حملونقل با تمرکز بر هوش مصنوعی و تقویت جایگاه لجستیکی ایران
- رصدخانه نخبگان با هوش مصنوعی وارد فاز عملیاتی شد
- مهدی خسروی: تحول نمایشگاههای ایران با هوش مصنوعی؛ از ثبتنام هوشمند تا تجربه دیجیتال
- راهاندازی نخستین اپراتور هوش مصنوعی و داده در کشور تا پایان سال
- رونمایی Ideagen از Mazlan؛ ورود نسل تازه Agentic AI به مدیریت انطباق با قوانین
- OpenAI وضعیت «Code Red» اعلام کرد؛ رقابت شدید با Google Gemini اوج گرفت
- Fujitsu از فناوری نوین پیشبینی رفتار انسان و اشیاء برای ارتقای ایمنی همکاری انسان و ربات رونمایی کرد
- کسب رتبه سوم بریکس توسط تیم دانشگاه تهران با طرح ترکیبی انسان–ماشین در مدلسازی احتراق
- ایران در آستانه جهش دیجیتال؛ عارف: کشور میتواند هاب منطقهای فناوری اطلاعات شود
- آغاز صدور پروانه اپراتور هوش مصنوعی در کشور گام جدید دولت در توسعه اقتصاد دیجیتال
- علیبابا با عینک هوش مصنوعی Quark وارد بازار گجتهای پوشیدنی شد
- هشدار نسبت به عقبماندگی ایران در هوش مصنوعی تأکید بر ضرورت سرمایهگذاری فوری
- هشدار بنیانگذار وب: «هوش مصنوعی در حال قدرتمندتر شدن از خالقان خود است»
- تشخیص سل با هوش مصنوعی؛ پایان انتظارهای طولانی و آغاز عصر جدید پزشکی
- ایلان ماسک: xAI ممکن است تا سال ۲۰۲۶ به هوش مصنوعی عمومی (AGI) دست یابد
- تراشه M5 اپل
- جاستین سان و TRON: ادغام هوش مصنوعی و بلاکچین مقاوم در Consensus Hong Kong 2026
- قرارداد OpenAI و AWS؛ همکاری ۳۸ میلیارددلاری در هوش مصنوعی
- جهان هوش مصنوعی؛ انقلابی که همین حالا در حال رخ دادن است
- بلاتکلیفی در استفاده از هوش مصنوعی در امتحانات دکتری دانشگاه آزاد
- السالوادور با همکاری xAI آموزش هوش مصنوعی را وارد مدارس میکند
- هوش مصنوعی به خط مقدم امنیت سایبری آمد؛ شراکتهای استراتژیک برای مقابله با تهدیدات نوین
- DeepL وارد AWS Marketplace شد؛ گام بزرگ ترجمه هوش مصنوعی به سوی بازار جهانی سازمانی
- استارتاپ های هوش مصنوعی در کشاورزی هوشمند
- سرمایهگذاری میلیاردر روسی در زیرساختهای ابری؛ شتاب تازه برای توسعه هوش مصنوعی بومی
- OpenAI و طرح ۱٫۴ تریلیون دلاری برای زیرساخت هوش مصنوعی
- نوآوری دانشجوی ایرانی در مراقبت از نوزادان با هوش مصنوعی
نظر خود را وارد کنید
آدرس ایمیل شما در دسترس عموم قرار نمیگیرد.