Naučnici su razvili model dubokog učenja (DL) koji je sposoban da brzo i precizno napravi razliku između lezija kože majmunskih boginja i varičela, koje često pokazuju upadljive sličnosti.
Ljudi koji imaju osip nalik boginjama obično su zbunjeni oko toga da li su uzrokovani varičelom ili majmunskim boginjama. Čak i medicinski, ponekad ih je teško razlikovati, posebno kada kruže zajedno u oblastima u kojima nedostaju napredni dijagnostički medicinski uređaji.
Dr Dilber Uzun Ozahin, vanredni profesor medicinskog dijagnostičkog snimanja na Univerzitetu u Šardži i vodeći autor studije, opisuje model kao „proboj koji ima ključne implikacije za rano otkrivanje majmunskih boginja, olakšavajući pravovremeno lečenje i prevenciju izbijanja bolesti“.
„S obzirom na izazove pogrešne dijagnoze, posebno u endemskim regionima sa ograničenom stručnošću, naš model nudi značajan napredak“, kaže dr Ozahin i dodaje. „U regionima sa ograničenom stručnošću, naš model pruža značajan napredak. Koristili smo veštačku inteligenciju da obučimo model na ograničenom skupu podataka zbog retkosti ovih bolesti, postižući izuzetnu tačnost i minimizirajući lažne dijagnoze.“
Tim dr Ozahina uključuje naučnike iz SAD, Turske i Španije. Svoj model su objavili u časopisu Dijagnostika.
Medicinska istraživanja koja se oslanjaju na algoritme dubokog učenja trenutno obećavaju brzu i tačnu dijagnozu i efikasan tretman različitih bolesti. Koristeći dve digitalne slike kože otvorenog koda za majmunske i vodene boginje, autori pokušavaju da „integrišu dobro obučeni DL algoritam da pomognu u ranom otkrivanju i klasifikaciji kožnih lezija kod ljudi“.
Primenjena je dvodimenzionalna konvoluciona neuronska mreža (CNN) koja se sastoji od četiri konvoluciona sloja. Nakon toga, tri MakPooling sloja su korišćena nakon drugog, trećeg i četvrtog konvolucionog sloja.“
Zatim, autori ispituju performanse svog modela pomoću onoga što nazivaju „najsavremenijim modelima dubokog učenja za otkrivanje kožnih lezija“, dodajući da je njihov „predloženi CNN model nadmašio sve DL modele sa tačnošću testa od 99,60%. “
„Sličnost u lezijama kože kod ljudi može poremetiti efikasnu dijagnozu i, kao rezultat, dovesti do pogrešne dijagnoze. Takva pogrešna dijagnoza može dovesti do daljeg širenja bolesti jer je to zarazna bolest i može na kraju dovesti do izbijanja“, pišu autori.
Lezije na koži su najistaknutiji simptomi bolesti sličnih boginjama, ali one koje stvaraju boginje majmuna i vodene boginje gotovo liče slično kada zahvate ljudsko telo. Njihova sličnost otežava njihovo razdvajanje, što, napominju autori, „može poremetiti efikasnu dijagnozu i, kao rezultat, dovesti do pogrešne dijagnoze zarazne bolesti sa sposobnošću da brzo cirkuliše“.
Od rezultata svoje studije, autori daju svoj model mogućnošću „precizne klasifikacije uobičajeno karakterisanih lezija kože povezanih sa majmunskim boginjama i varičelama koristeći DL okvir“.
„Sa trenutnom epidemijom majmunskih boginja, DL pristup se može primeniti nezavisno ili sa stručnjacima za zarazne bolesti u regionima u kojima je bolest endemska. Ovo bi bilo korisno u brzom otkrivanju bolesti. Dakle, sprečavanje izbijanja majmunskih boginja i varičela koje se mogu sprečiti u budućnosti .“
Upitan o značaju projekta, dr Ozdahin kaže da model ima „potencijal da revolucioniše otkrivanje majmunskih i varičela, pomažući u ranoj intervenciji i sprečavanju izbijanja bolesti“.
Ovo je još važnije u regionima u kojima su stručnjaci za zarazne bolesti retki, što čini pogrešnu dijagnozu uobičajenim izazovom. „Razvoj pouzdanog modela dubokog učenja otvara nove mogućnosti za nezavisnu ili saradničku upotrebu sa zdravstvenim radnicima u endemskim oblastima, pružajući brz i precizan alat za otkrivanje bolesti“, rekao je dr Ozdahin.
Jednom primenjeni model, prema dr Ozdahinu, sigurno će imati direktne praktične implikacije u oblasti dijagnostike bolesti, posebno u oblastima gde preovlađuju majmunske i vodene boginje.
„Razvijeni model dubokog učenja može pomoći zdravstvenim radnicima u preciznoj klasifikaciji kožnih lezija, omogućavajući ranu identifikaciju bolesti. Ovo, zauzvrat, može dovesti do brzog lečenja, smanjenja širenja infekcija i poboljšanja ukupnih rezultata javnog zdravlja.“
Potencijalni uticaj istraživanja, prema rečima dr Ozdahina, prevazilazi akademske okvire, gde je postojalo značajno interesovanje kolega za studiju. „Studija pruža praktičan alat za zdravstvene radnike, utirući put za efikasnije otkrivanje i prevenciju bolesti.
„Naš model dubokog učenja predstavlja napredak u preciznoj identifikaciji boginja majmuna i varičela, nudeći pouzdano rešenje za izazove pogrešne dijagnoze u regionima sa ograničenom stručnošću u zdravstvu.
„Upotrebom veštačke inteligencije, cilj nam je da osnažimo regione koji se suočavaju sa izazovima u dijagnostici zaraznih bolesti, doprinoseći otpornijem sistemu zdravstvene zaštite koji je osetljiviji.
