Cervix-AID-Net؛ الگوریتمی با دقت ۹۹.۸٪ که آینده کولپوسکوپی را متحول می‌کند

یافته‌های یک مطالعه‌ی جدید نشان می‌دهد که یک مدل هوش مصنوعی به نام Cervix-AID-Net می‌تواند انقلابی در تشخیص ضایعات پیش سرطانی دهانه رحم ایجاد کند.

این مدل با دقت شگفت انگیز ۹۹.۸ درصدی، توانست تصاویر کولپوسکوپی را به دو دسته‌ی «بیماری درجهی پایین» (کمتر از CIN۲) و «بیماری درجهی بالا» (CIN۲ و بالاتر) که نیاز به درمان فوری دارند، تفکیک کند.

این دقت در حالی ثبت شده که دقت کولپوسکوپیست‌های انسانی تنها ۵۵.۱ درصد و سیستم نقشه رنگی دستگاه دیجیتال DySIS نیز ۵۸.۸ درصد بوده است.

نکتۀ کلیدی در ساخت این مدل، استفاده از داد‌های با کیفیت بی نظیر شامل ۳،۱۵۳ تصویر از ۱۷۸ زن بوده که برای هر نمونه، چهار بیوپسی مجزا با نقشه دقیق محل نمونه برداری و گزارش پاتولوژی جداگانه گرفته شده بود.

این روش سوگیری‌های رایج در تحقیقات پیشین را حذف کرده است. قدرت بالای مدل در تشخیص ضایعات درجه بالا (با حساسیت ۹۹.۸٪) و رد دقیق موارد سالم (با ویژگی ۹۹.۸٪) به پزشکان اجازه می‌دهد با اطمینان از بیوپسی‌های غیرضروری و دردناک خودداری کنند و حتی استراتژی «ببین و درمان کن» را بدون خطر درمان اضافی به کار گیرند.

این دستاورد به ویژه برای کشور‌های با منابع محدود که با کمبود متخصص کولپوسکوپی مواجه‌اند، نویدبخش است. البته محققان تأکید می‌کنند که این نتایج نیاز به تأیید در کارآزمایی‌های بالینی آینده دارد.