اگه حرف پوکی استخوان بیاد وسط، احتمالاً خیلیامون یاد سالمندان خانواده میافتیم که با مشکل ضعف استخوان دست و پنجه نرم میکنن. پوکی استخوان همون بیماریایه که استخوانها کمکم نازک و شکننده میشن و ریسک شکستگی خیلی زیاد میشه. مثلاً کمترین ضربهها هم میتونن دردسر درست کنن! حالا اگه این مشکلات زود تشخیص داده نشن، احتمال آسیب خیلی میره بالا.
راههای مرسوم بررسی این مشکل چیه؟ یکی از بهترین و معروفترین روشها دستگاه به نام DXA هست (Dual-energy X-ray absorptiometry یعنی یه مدل تصویربرداری با اشعه ایکس که دقیقاً تراکم استخوان رو نشون میده). ولی خب واقعیت اینه که خیلیا هنوز هیچوقت این چکاپ رو انجام ندادن، یا اصلاً دسترسی به این دستگاه ندارن.
اینجاست که هوش مصنوعی (همون AI که این روزا دارن همه جا ازش استفاده میکنن!) وارد میشه. الان با کمک مدلهای هوشمندی که آموزش دیدن، میشه تراکم استخوان آدمها رو حتی از روی عکسهای معمولی سیتیاسکن قفسه سینه یا شکم هم تخمین زد. سیتیاسکن مثل همون عکسیه که برای بررسی اندام داخلی بدن توی بیمارستان میگیرن. یعنی میشه از همون عکسهایی که خیلیا به دلایل دیگه گرفته بودن، برای غربالگری پوکی استخوان هم استفاده کرد، بدون هزینه یا پرتوی اشعه اضافی.
تو این مطالعه جالب، محققها اومدن عملکرد یه مدل هوش مصنوعی مخصوص اندازهگیری تراکم استخوان رو با یه روش استاندارد سنگینتر به اسم QCT مقایسه کردن. QCT یا Quantitative Computed Tomography یعنی تصویربرداری عددی و دقیق با سیتیاسکن.
چه کار کردن دقیقاً؟ اومدن اطلاعات ۷۰۲ نفر سالمند رو که بین سالهای ۲۰۱۹ تا ۲۰۲۲ تو چند تا مرکز مختلف عکسبرداری شده بودن جمع کردن. بعد هم به کمک AI تراکم استخوان این افراد رو روی عکسهای سیتیاسکن تخمین زدن و با نتایج QCT مقایسه کردن.
نتایج چطور بود؟ شگفتانگیز! مدل هوش مصنوعی تونست با دقت ۹۴.۵٪ کارش رو انجام بده (که دقیقاً یعنی بیشتر از ۹ نفر از ۱۰ نفر رو درست بررسی کرد)، حساسیت ۹۶٪ نشون داد (یعنی تقریباً همه اونایی که واقعاً مشکل داشتن رو شناسایی کرد)، و ویژگی ۹۲.۷٪ (یعنی به سختی کسی رو بدون مشکل به اشتباه بیمار تشخیص داد). برای کسایی که خیلی با آمار حال میکنن: AUC مدل ۰.۸۲۲ بود که یعنی عملکردش توی پیشبینی کلی واقعاً بالاست. (AUC یعنی مساحت زیر منحنی ROC که معیار کلی دقته.)
این تنها قسمت جذاب ماجرا نبود. تیم تحقیق اومد تفاوت نتایج این هوش مصنوعی رو با QCT بین دستگاههای شرکتهای مختلف (مثل Siemens، GE و Philips) هم چند بار بررسی کرد. تفاوت آماری خاصی پیدا نشد، یعنی اساساً فرقی نداشت که با چه دستگاهی عکس گرفته شده بود، AI تونست همون دقت رو نشون بده. رابطه R2 که میشه ضریب همبستگی اندازهگیری ـ توی این ماجرا ۰.۸۸ تا ۰.۹۶ بود، که نشوندهنده هماهنگی واقعاً بالای دو روش در دستگاههای مختلفه. (R2 هر چی به عدد ۱ نزدیکتر باشه یعنی نتیجهها بیشتر رو هم افتادن.)
در نهایت چی میشه برداشت کرد؟ این مدل هوش مصنوعی واسه سنجش تراکم استخوان واقعاً میتونه جایگزین خیلی خوبی برای QCT باشه، مخصوصاً جاهایی که دسترسی به روشهای پرهزینه و پیچیده یا همون DXA کمه. چون اگه کسی یه بار به هر دلیلی سیتیاسکن قفسه سینه یا شکم داده باشه، میشه همون عکس رو با AI بررسی کرد و خبر از وضعیت استخواناش گرفت.
پس، چرا این مهمه؟ چون این روش میتونه تو غربالگری پوکی استخوان، مخصوصاً تو مناطق محروم، یک سرویس سریع، کمهزینه و بدون پرتوی اضافه ارائه بده و خلاصه راه حل خیلی اقتصادیتر و در دسترستری بهنظر میرسه.
در کل، ترکیب سیتیاسکنهای رایج با مغز متفکر هوش مصنوعی، داره آینده غربالگری و پیشگیری پوکی استخوان رو متحول میکنه. اگر سالمندان دور و برتون هنوز بررسی نشدن، حالا دیگه میدونین که یه راه مدرن و بیدردسر براشون هست!
منبع: +