ببین، خیلی وقتا آدما مخصوصاً توی مناطق کمدرآمد یا جاهایی که امکانات بهداشتی ضعیفه، حتی اگه مشکلی به سادگی شماره چشم داشته باشن، به موقع نمیتونن برن چشم پزشکی یا آزمایش بدن. مثلاً آدمایی که دچار مشکل «عیوب انکساری» هستن، مثل نزدیکبینی (مایوپیا) یا دوربینی (هایپروپیا)، همین الان جزو اصلیترین دلایل مشکل بیناییای قابلپیشگیری تو دنیا حساب میشن. ولی خب از اونور، درمان اینا هم آسونه و هم ارزون، فقط باید مشکل رو زود بفهمیم.
حالا یه تیم خفن تحقیقاتی اومدن یه راهحل باحال برای این قضیه پیدا کردن. با کمک هوش مصنوعی (Artificial Intelligence یا همون AI که یعنی کامپیوترها اونقد باهوش شدن که خودشون میتونن کارایی مثل تصمیمگیری و تشخیص انجام بدن)، یه سیستمی ساختن که فقط با یه عکس ساده با موبایل میتونه نوع عیب چشم رو تشخیص بده! یعنی عصر جدید تنبلی و راحتی!
چجوری؟ اونا با استفاده از یه مدل شبکه عصبی پیچیده یا «Convolutional Neural Network» (CNN – یه نوع مدل هوش مصنوعی مخصوص کار با تصاویر و دادههای بصری) کار کردن. مدلشون حالت چندشاخهای داشته (یعنی multi-branch CNN: سیستمی که چند مسیر مختلف برای تجزیه و تحلیل تصاویر داره، تا بتونه ویژگیهای مختلف و پیچیده تصویر رو جداگونه بررسی کنه).
برای اینکه مدلشون دقیق باشه، اومدن ۲۱۳۹ تا عکس از قرنیه چشم آدمها از یه بیمارستان عمومی تو اندونزی جمعآوری کردن. یعنی نمونهها هم واقعی بودن و هم متنوع، مخصوصاً مناسب آدمهای جنوبشرقی آسیا که معمولاً دسترسی به متخصص چشم ندارن.
خلاصه مدل رو آموزش دادن تا بتونه عکس چشم رو یکی از این ۴ دسته طبقهبندی کنه:
- نزدیکبینی جدی
- دوربینی جدی
- عیب انکساری کم و بیاهمیت
- مواردی که اصلاً نمیشه طبقهبندی کرد
برای اینکه بفهمن مدل بر چه اساسی تصمیم گرفته، از یه تکنیک تصویری به اسم Grad-CAM استفاده کردن (یعنی روش مصورسازی که نشون میده مدل به کدوم قسمتهای تصویر بیشتر دقت کرده و چرا اون تصمیم رو گرفته).
نتیجه چی شد؟ این معماری سهشاخهی مدل، تو تست روی دادههای جدید، تونست با دقت ۹۱٪ کل دادهها رو درست تشخیص بده؛ دقت (precision) هم شد ۹۶٪ و حساسیت (recall) هم ۹۸٪. یه شاخص فنی هم هست به اسم AUC (منطقه زیر منحنی – یعنی مدل چقدر قابلیت تفکیک بین انواع مختلف مشکل چشمی رو داره)، که برای این مدل ۰.۹۸۹۶ بهدست اومد، یعنی نزدیک به حالت عالی! جالبتر اینکه این مدل تونست بهخوبی سر شوخی با تفاوتهای کوچیک و حتی وقتی نشونههای تصویریِ عیبها روی هم میافتادن، باز همه چیز رو تشخیص بده. یعنی کاملاً بهدرد مناطق کمامکانات میخوره.
در کل این مقاله نشون میده با هوش مصنوعی و یه موبایل ساده میشه غربالگری بینایی رو همگانی، سریع و ارزون کرد. یعنی به جای کلی هزینه و متخصص، کافیه یه عکس بگیری و مدل بهت بگه احتمالاً چه مشکلی داری تا زود بری سراغ درمان. این یعنی گام خیلی مهمی برای آسونتر و ارزانتر کردن مراقبتهای چشم تو مناطق محروم.
خلاصه هر کسی یه گوشی هوشمند داشته باشه، با یه اپ خیلی ساده (که در آینده ممکنه همین مدلها تبدیل به اپلیکیشن واقعی بشن)، میتونه خیلی راحت مشکل شماره چشم خودش رو چک کنه. این دقیقاً همون تغییریه که تکنولوژی و هوش مصنوعی میتونن تو سلامت مردم بسازن: دسترسی برای همه به جای فقط چند نفر!
منبع: +