مدلهای سنتی هوش مصنوعی در پاتولوژی به دلیل «کوری مکانی»، اطلاعات بافتشناسی را به یک نمره میانگین تقلیل میدادند و موقعیت دقیق سلولهای پرخطر را نادیده میگرفتند.
🔄 سیر تکامل ۳ نسل هوش مصنوعی در تحلیل تصویر پزشکی:
⃣ نسل اول (سنتی): میانگینگیری کل تصویر و از دست رفتن دادههای مکانی.
⃣ نسل دوم (ترنسفورمر بینایی): اسکن و امتیازدهی تک‌تک کاشیها با دقت ۹۴.۵٪.
⃣ نسل سوم (فضایی): درک هندسه همسایگی؛ تفکیک مرز تهاجمی تومور و شناسایی خوشههای پرخطر (کاشیهایی که حداقل دو سوم همسایگانشان پرخطرند).
🚀 دستاوردها در پیشبینی عود سرطان پستان:
🔹 اصلاح خطا: کشف ریسک پنهان با قدرت ۲.۸۶ برابر حتی در مواردی که هوش مصنوعی سنتی آنها را کمخطر میدانست.
🔹 افزایش دقت: شناسایی ۲.۳ برابر خطر بیشتر عود در بیماران دارای خوشه پرخطر و تفکیک دقیق نرخ بقای ۱۰ ساله.
🔹 مزایا: پردازش سریع در چند ثانیه؛ جایگزین دقیقتر و مقرونبهصرفه برای تستهای گرانقیمت ژنتیکی.
🤖 انجمن علمی دانشجویی هوش مصنوعی
🏛 دانشگاه علوم پزشکی جندی شاپور اهواز
📝 با ما در ارتباط باشید:
🔹 اینستاگرام
🔹 تلگرام
