انویدیا پلتفرم AI Clara را در خدمت رادیولوژیست‌ها قرار می‌دهد

AI Clara به پلتفرم در حال توسعه‌ی مراقبت‌های بهداشتی ACR AI-LAB کالج رادیولوژی آمریکا (ACR) اضافه می‌شود. انتظار می‌رود پس از معرفی این پلتفرم در اواخر سال جاری میلادی، بیش از ۳۸ هزار متخصص رادیولوژی در ایالات متحده بتوانند از یادگیری ماشین در کار خود به‌شکل موثرتری استفاده کنند.

پیش از معرفی پلتفرم در اواخر سال جاری، ابتدا در برنامه‌ی پایلوت سه‌ماهه، در دانشگاه ایالتی اوهایو (OSU)، بیمارستان عمومی ماساچوست و مرکز اطلاعات علوم بالینی (CCDS) بریگام و بیمارستان زنان مورد ارزیابی و بررسی قرار می‌گیرد.

GE Healthcare و Nuance نیز در جهت توسعه‌ی پلتفرم لابراتوار هوش مصنوعی ACR وارد همکاری شدند تا بتوانند مدل‌های مبتنی بر هوش مصنوعی را برای رادیولوژیست‌ها ایجاد کرده و به‌اشتراک بگذارند. انتظار می‌رود ACR AI-LAB از ماه می فعالیت عمومی خود را آغاز کند. لابراتوار هوش مصنوعی ACR قابلیت سازگاری با سیستم‌ها یا تعلیم آن‌ها درکنار به‌کارگیری مدل‌های تعلیم‌دیده یا مجموعه داده‌های موجود را خواهد داشت.

 شرکت‌های فناوری علاقه‌ی زیادی به تصویربرداری پزشکی مانند اشعه‌ی ایکس و سی‌تی‌اسکن نشان داده‌اند. در سال‌های اخیر، استفاده از روش‌‌های تشخیصی از روی الگو و پردازش تصویر در مراقبت‌های بهداشتی، عاملی برای افزایش تحقیقات در این حوزه و استفاده از محصولات شرکت‌هایی همچون گوگل، انویدیا و بایدو در زمینه‌های تخصصی مانند رادیولوژی، آسیب‌شناسی، کشف مواد مخدر و انکولوژی که شاخه‌ای از پزشکی برای تشخیص و درمان سرطان است، شده است.

گزارش شاخص‌های هوش مصنوعی ۲۰۱۷، به پیشرفت‌های مربوط‌به دستگاه‌هایی که قادر به تشخیص بیماری، به‌خوبی یا حتی بهتر از متخصصان حرفه‌ای تصویربرداری پزشکی هستند، اشاره دارد. پیش‌تر نیز اخباری در مورد تشخیص دقیق‌ و سریع‌ سرطان با الگوریتم هوش مصنوعی متن باز بایدو منتشر شده است. 

در ماه های اخیر، وریلی آلفابت تحقیقاتی مبتنی بر هوش مصنوعی برای تشخیص رتینوپاتی دیابتی در هند آغاز کرد. پیش‌تر نیز گفته شده بود که هوش مصنوعی دیپ مایند توانایی تشخیص بیماری‌های چشمی را دارد که می‌تواند برای تشخیص ۵۰ نوع بیماری چشم مورد استفاده قرار گیرد. در سپتامبر گذشته، انویدیا با همکاری کلینیک Mayo و مرکز MGH و BWH  علوم داده‌ی بالینی، علاوه‌بر استفاده از بینایی ماشین برای تشخیص الگوها، توانست برای تشخیص تومورهای مغزی روش‌هایی برای ایجاد داده‌های آموزشی مصنوعی جهت استفاده در سیستم‌های مبتنی بر هوش مصنوعی نیز معرفی کند.