![Search icon](https://hackernoon.imgix.net/search-new.png?w=19&h=19)
Ang industriya ng pangangalagang pangkalusugan ay madalas na tumatagal ng mga edad upang magpatibay ng mga bagong teknolohiya dahil dapat itong tumalon sa maraming mga regulasyon. Gayunpaman, iba ang reaksyon sa artificial intelligence. Hindi mabilang na mga propesyonal ang nag-eeksperimento na sa mga predictive at analytic na kakayahan ng AI upang i-streamline ang mga diagnostic.
Kamakailan lamang, sinabi ng mga mananaliksik na ang AI ay maaaring matukoy ang uri ng sakit na mayroon ang isang tao - at kung gaano kalayo ang pag-unlad nito - sa pamamagitan lamang ng pagtingin sa kanilang bibig. Malayo na ang narating ng teknolohiyang ito, ngunit mahuhulaan ba nito ang mga sakit gamit lamang ang mga kulay ng dila para sa pagsusuri?
Natuklasan kamakailan ng mga mananaliksik mula sa Middle Technical University sa Baghdad, Iraq, at University of South Australia sa Adelaide, Australia, ang AI na teknolohiya ay maaaring magsuri ng mga kulay ng dila para sa mga diagnosis. Bumuo sila ng isang computer vision system na nagpoproseso at nag-uuri ng mga larawan gamit ang mga color space na modelo, na nagbibigay ng mga masusukat na halaga para sa mga kulay at liwanag.
Gumamit sila ng libu-libong larawan para sa pagsasanay at pagsubok, na marami sa mga ito ay nagmula sa Al-Hussein Teaching Hospital sa Iraq at sa Mosul General Hospital sa Mosul. Sinanay nila ang modelo sa mga totoong tao na may aktwal na mga sakit, hindi isang sintetikong dataset. Ang mga pagkakaibang tulad nito ay mahalaga kapag bumubuo ng isang tool para sa mga layuning diagnostic.
Inuri ng mga mananaliksik ang mga larawan sa kulay rosas, puti, pula, dilaw, berde, asul o kulay abo na mga kategorya upang matukoy ng kanilang mga modelo ang mga kulay sa ilalim ng anumang mga kondisyon ng pag-iilaw. Nagsanay sila ng pito sa kabuuan. Ang pinakamataas na gumaganap ay binuo gamit ang Extreme Gradient Boost (XGBoost) — isang open-source na library ng machine learning — na
Nagulat ako sa mga resulta nila. Sa totoo lang, hindi ko inaasahan na ang sistema nila ay hihigit pa sa mga medikal na propesyonal. Bagama't ang iba't ibang grupo ng pananaliksik ay nakabuo ng mga katulad na modelo ng diagnostic para sa iba pang mga layunin, kakaunti ang tumpak na ito. Ipinakikita ng pananaliksik na kahit na ang mga sinanay na manggagamot na may maraming taon ng karanasan ay nakakakuha lamang ng tama
Aaminin ko, naisip kong kakaiba ang pagtingin sa dila para mahulaan ang sakit. Tila ilang pamamaraan ang ginawa ng mga tao bago umiral ang modernong gamot. Upang maging patas, bahagyang tama ako. Ang paggamit ng mga kulay ng dila para sa diagnosis ay batay sa mahigit 2,000 taong gulang na tradisyonal na kasanayang medikal ng Tsino.
Sa lahat ng katangian ng dila, kabilang ang hugis, texture at moisture, kulay
Ang pamumula ay maaaring mangahulugan na mayroon akong hindi pangkaraniwang mataas na lagnat o kakulangan sa bitamina. Ipinapakita ng pananaliksik na mayroong a
Habang ang mga medikal na propesyonal ay may dose-dosenang mga diagnostic system, marami pa rin ang nagsusuri ng mga wika dahil medyo kakaunti ang mga kondisyon na nakakaapekto sa kulay nito. Kung may kapansin-pansing pagkawalan ng kulay, maaari nilang paliitin ang ugat ng problema. Kung ikukumpara sa isang pagsusuri sa dugo na nagbibigay ng mga tumpak na pagbabasa ngunit walang tiyak na mga sagot, kadalasan ito ay isang mas mahusay na opsyon.
Iyon ay sinabi, madalas na binabawasan ng pagkakamali ng tao ang katumpakan nito. Ayon sa kaugalian, manu-manong iniinspeksyon ng mga manggagamot ang mga dila ng mga pasyente. Kahit na may mga taon ng karanasan, anumang bagay mula sa bahagyang may kulay na mga ilaw sa itaas hanggang sa oras ng araw ay maaaring makaapekto sa kanilang pang-unawa sa kulay. Ang hindi tiyak, subjective na paraan na ito ay umiikot sa loob ng mahigit 2,000 taon — oras na para sa isang pag-upgrade.
Ang mga propesyonal sa engineering at mga mananaliksik na bumuo ng pambihirang diagnostic imaging system na ito ay may mga kalahok na tumayo ng 20 sentimetro ang layo mula sa makina sa panahon ng pagsubok nito. Ang naka-embed na AI pagkatapos ay nakita ang kulay ng kanilang dila at hinulaan ang kanilang katayuan sa kalusugan sa real time. Pinoproseso nito ang mga kulay at luminance gamit ang mga modelo ng color space.
Ang XGBoost algorithm ay wastong hinulaang mga sakit
Ang mga cone cell — mga photoreceptor sa retina na responsable para sa color vision — ay malawak na sensitibo sa mga rehiyon ng red-blue-green (RGB). Gayunpaman, ang modelo ng color space na ito ay hindi nagpapakita ng impormasyon nang mahusay. Sa halip, ginamit ng computer vision system ang YCbCr, LAB, YIQ at HSV. Hindi tulad ng mga tao, hindi ito limitado sa isang makitid na nakikitang spectrum ng liwanag.
Ipinapakita ng iba pang mga pag-aaral na ang isang computer vision system na pinapagana ng AI ay maaaring tumpak na makilala at muling likhain ang mga kulay nang walang spectral dispersion, ibig sabihin, maaari itong tiyak na makakita ng mga kulay na hindi natin nakikita. Habang ang aking RGB-sensitive cones ay maaari lamang
Kung ang isang modelo ng machine learning ay nakakakuha ng mga banayad na pagkakaiba sa saturation at luminance na hindi ko nakikita, bakit hindi nito makikita ang mga kulay na hindi ko nakikita? Naturally, ang mga implikasyon ay napakahalaga — ang AI ay maaaring patuloy na madaig ang mga doktor.
Dahil ang isang modelo ay maaaring makipag-ugnayan sa maraming tao nang sabay-sabay, makakatulong ito sa iba't ibang mga pasyente nang sabay-sabay. Hindi nila kailangang bumisita sa isang klinika — maaari silang mag-download ng app at gamitin ang camera ng kanilang telepono. Dahil ang makina ng pangkat ng pananaliksik ay maaaring makilala at mahulaan ang mga sakit anuman ang pag-iilaw, may maliit na pagkakataon ng hindi tumpak na output.
Naniniwala ako na sa bahay, ang AI-driven na screening ay maaaring baguhin ang pangangalagang pangkalusugan, na ginagawa itong mas abot-kaya at naa-access. Milyun-milyong tao ang namamatay taun-taon dahil sa mga sakit na maaari nilang labanan kung nahuli nila ito nang mas maaga. Halimbawa, sa Estados Unidos, sa paligid
Ang potensyal ng AI na baguhin ang mga diagnostic ay maaaring makinabang sa mga ospital gaya ng mga pasyente. Sa kabila ng malawakang digitalization, medikal na paggasta
Maaaring i-streamline ng mga kakayahan sa automation at autonomous na katangian ng AI ang mga appointment. Ipinapakita ng ebidensya na makakatulong ang teknolohiyang ito sa mga pasilidad na medikal
Hindi ko naisip na ang paggamit ng mga kulay ng dila para sa diagnosis ay maaaring maging napaka-epekto, ngunit mayroon itong walang kapantay na potensyal. Maaari bang palitan ng AI ang mga doktor? Malamang hindi. Gayunpaman, naniniwala ako na ito ay magiging isang staple sa industriya ng medikal dahil ito ay nagdaragdag ng pagkakakilanlan ng sakit, hula at paggamot. Ang kanilang kadalubhasaan, na sinamahan ng kapangyarihan ng machine learning, ay magiging isang walang kapantay na pagpapares.
Alam ng industriya ng pangangalagang pangkalusugan ang AI at sabik na gamitin ito, kaya malamang na ilang oras na lang bago ito maging laganap. Ipinapalagay ng mga eksperto na ang market value ng teknolohiyang ito sa sektor na ito ay lalago sa isang
Gayunpaman, habang __ 72% ng mga doktor ang sumasang-ayon __nakikita nila ang pinakamaraming pangako para sa AI sa mga diagnostic, 38% lang ang gumagamit nito sa pagsasanay. Sa totoo lang, maaaring tumagal ng ilang taon bago sila gumamit ng mga kulay ng dila na sinuri ng modelo para sa diagnosis at hula. Ang aking pinag-aralan na hula ay ang mga ospital ay aabutin ng isang dekada upang tumalon sa mga hoop sa halip na putulin ang red tape.
Sa kabutihang palad, ang mundo ng mobile na kalusugan ay mabilis na lumalaki at naa-access anumang oras. Bagama't hindi ko maaaring banggitin ang mHealth nang hindi inilalabas ang kawalan nito ng pangangasiwa sa regulasyon at mga proteksyon sa privacy, magiging walang saysay din na palampasin ito kapag tinatalakay ang hinaharap ng medikal na AI.
Sa ilang mga punto, nahuli ko ang aking sarili na iniisip na ang tagumpay na ito ay napakahusay upang maging totoo. Ano ang catch? Ano ang mga disadvantage ng isang diagnosis ng AI? Nagawa ko na ang aking patas na bahagi ng pagsasaliksik sa larangang ito, kaya alam kong iiral ang mga isyu sa privacy, etikal at regulasyon. Gayunpaman, ang pag-aaral na nagbukas ng pambihirang teknolohiyang ito ay nagkakahalaga din na muling bisitahin sa ilalim ng mikroskopyo.
Napansin ko na ang trabaho ng mga mananaliksik sa paggamit ng AI upang pag-aralan ang mga kulay ng dila para sa diagnosis ay hindi pa nasusuri ng peer. Dahil na-publish ito noong Hunyo 2024, hindi iyon nakakagulat. Gayunpaman, ibig sabihin
Ang paggamit ng isang sistema ng imaging upang suriin ang mga kulay ng dila para sa mga diagnosis ay maaaring mukhang isang angkop na lugar at medyo maliit na tagumpay, ngunit maaari nitong baguhin ang pangangalagang pangkalusugan. Ang tumpak na paghula ng mga sakit sa pamamagitan ng isang app ay makakapagligtas ng libu-libong buhay. Bukod dito, maaaring gamitin ng iba pang mga mananaliksik ang teknolohiyang ito upang magbigay ng inspirasyon sa kanilang sariling mga diagnostic breakthrough na hinimok ng AI.