تشخیص مسمومیت با الکل هنگام رانندگی به کمک هوش مصنوعی
تاریخ انتشار: ۹ آبان ۱۴۰۱ | کد خبر: ۳۶۳۰۱۹۰۰
ایتنا - پژوهشگران با استفاده از یک شبکه عصبی پیچشی، تصاویر مادون قرمز حرارتی از صورت انسانها را بررسی کردند و با دقت ۹۳ درصد مسمومیت با الکل را در فرد هنگام رانندگی تشخیص دهند.
شبکههای عصبی پیچشی یا همگشتی ردهای از شبکههای عصبی ژرف هستند که معمولاً برای انجام تحلیلهای تصویری یا گفتاری در یادگیری ماشین استفاده میشوند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
شبکه عصبی پیچشی (convolutional neural network) میتواند تصاویر مادون قرمز حرارتی از صورت انسان را ارزیابی کند و با دقت ۹۳ درصد مشخص کند که فرد مست است یا خیر. این سیستم میتواند در مکانهایی که رانندگی تحت تاثیر الکل رایج است، پیادهسازی شود. سالانه بیش از یک میلیون نفر در سراسر جهان بر اثر تصادفات جادهای جان خود را از دست میدهند که مرگ عده زیادی از آنها نتیجه مستقیم رانندگی تحت تاثیر الکل است.
به گزارش ایتنا از ایرنا، پژوهشگران دانشگاه ملی ویتنام در شهر هوشی مین توضیح میدهند که تلاشهای قبلی بهمنظور طراحی راهی برای تشخیص مصرف الکل بر وضعیت چشم، وضعیت سر، یا شاخصهای وضعیت عملکرد متمرکز شده بود.
با این حال، احتمال دارد سایر عوامل، چنین سیستمهایی را دچار اشتباه کنند. این تیم خاطرنشان میکند که تجزیهوتحلیل تصویربرداری حرارتی، رویکردی با ابهام کمتر ارایه میدهد که غیرتهاجمی نیز هست و این امکان را برای مقامات مسئول فراهم میکند که افراد را در مراکز شهرها یا در مراسمهایی که احتمال مصرف الکل در آنها وجود دارد و ممکن است افراد تحت تاثیر مصرف این مواد، برای رفتن به خانه رانندگی کنند، غربالگری کنند.
پژوهشگران معتقدند نتیجه مثبت کاذب (نتیجهای که نشان میدهد یک حالت فرضی ویژه وجود دارد؛ در حالی که اینطور نیست) و منفی کاذبِ (نتیجهای که به اشتباه نشان میدهد که یک شرط وجود ندارد؛ درحالی که در واقع وجود دارد) سیستمی که برای شناسایی این افراد طراحی شده است، باید بسیار کم باشد؛ زیرا یک منفی کاذب ممکن است این امکان را فراهم کند که یک فرد تحت تاثیر مصرف الکل به رانندگی بپردازد، در حالی که تعداد زیاد مثبت کاذب باعث میشود رانندگان هوشیار نتوانند از وسایل نقلیه خود استفاده کنند و این باعث محرومیت آنها و از دسترفتن اعتمادشان شود.
در چنین سیستمی همیشه احتمال خطا وجود خواهد داشت؛ اما بهینهسازی طبقهبندی از طریق مجموعه دادههای آموزشی بزرگتر روی جمعیت متنوعی از تصاویر حرارتی باید آن را به ایده ال یعنی دقت ۱۰۰ درصد با مثبت کاذب صفر و منفی کاذب صفر (که از نظر تئوری دسترسیناپذیر است)، نزدیکتر کند.
منبع: ايتنا
کلیدواژه: هوش مصنوعی رانندگی تحت تاثیر
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.itna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ايتنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۳۰۱۹۰۰ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ChatGPT در تشخیص آبسه مغزی شکست خورد
در پژوهش جدیدی که برای ارزیابی توانایی ChatGPT در تشخیص بیماریها انجام شد، این مدل هوش مصنوعی نتوانست آبسه مغزی را به درستی تشخیص دهد.
به گزارش ایسنا، به رغم این که هوش مصنوعی در حال تبدیل شدن به یک بخش اساسی از پژوهشهای بالینی و تصمیمگیری است، بسیاری از افراد هنوز صحت ChatGPT را برای پشتیبانی از فرآیندهای تشخیصی و درمانی پیچیده زیر سوال میبرند.
به نقل از میراژ نیوز، یک پژوهش جدید که ChatGPT را برای مدیریت کردن «آبسه مغزی»(Brain abscess) به کار گرفته، نشان داده که اگرچه به نظر میرسد ChatGPT قادر به ارائه دادن توصیههایی درباره تشخیص و درمان است اما برخی از پاسخهای این مدل هوش مصنوعی میتوانند بیماران را در معرض خطر قرار دهند.
این پژوهش که در کنگره جهانی «انجمن میکروبیولوژی بالینی و بیماریهای عفونی اروپا»(ESCMID) در شهر بارسلون اسپانیا ارائه شد، توسط اعضای گروه پژوهشی «بیماریهای عفونی مغز»(ESGIB) انجام شده است.
دکتر «سوزان دایکوف شن»(Susanne Dyckhoff-Shen) از بیمارستان «دانشگاه لودویگ ماکسیمیلیان مونیخ»(LMU) در آلمان و یکی از اعضای انجمن میکروبیولوژی بالینی و بیماریهای عفونی اروپا گفت: زمانی که با ایمنی بیمار سر و کار دارید، هر نتیجه کمتر از ۱۰۰ درصد یک شکست است. اگرچه ما از دانش ChatGPT درباره مدیریت آبسههای مغزی شگفتزده شدهایم اما محدودیتهای کلیدی در استفاده از این مدل هوش مصنوعی به عنوان یک دستگاه پزشکی وجود دارد که از جمله آنها میتوان به آسیب احتمالی بیمار و عدم شفافیت دادهها برای ارائه پاسخ اشاره کرد.
توانایی هوش مصنوعی در جذب سریع، پردازش و تفسیر مجموعه دادههای گسترده، چشمانداهای وسوسهانگیزی را نشان میدهد اما این پرسش نیز به وجود میآید که آیا فرآیندهای زمانبر برای ایجاد دستورالعملهای پزشکی هنوز ضروری هستند یا اینکه مدلهای هوش مصنوعی آموزشدیده با انبوهی از اطلاعات پزشکی میتوانند در پاسخ به پرسشهای پیچیده بالینی با کارشناسان بالینی رقابت کنند.
آبسه مغزی یک عفونت تهدیدکننده در سیستم عصبی مرکزی است که برای جلوگیری از عوارض شدید عصبی و حتی مرگ بیمار باید به سرعت شناسایی و درمان شود. مدیریت آبسههای مغزی عمدتا براساس تجربه بالینی و پژوهشهای محدود انجام میشود اما انجمن میکروبیولوژی بالینی و بیماریهای عفونی اروپا در سال ۲۰۲۳، نیاز به یک روش استاندارد را با توسعه یک دستورالعمل بینالمللی برآورده کرد.
گروهی از پژوهشگران اروپایی برای اینکه بفهمند آیا ChatGPT قادر به ارزیابی حرفهای پژوهشهای پزشکی و ارائه توصیههای معتبر علمی است یا خیر، مدل هوش مصنوعی را آزمایش کردند تا ببینند که آیا در مقایسه با دستورالعمل ESCMID میتواند به ۱۰ پرسش کلیدی درباره تشخیص و درمان آبسه مغزی پاسخ دقیق بدهد یا خیر.
پژوهشگران ابتدا از نسخه چهارمChatGPT (ChatGPT 4) خواستند تا به ۱۰ پرسش مطرحشده توسط انجمن میکروبیولوژی بالینی و بیماریهای عفونی اروپا پیرامون دستورالعمل آبسه مغزی آنها پاسخ دهد. پرسشها بدون هیچ گونه اطلاعات اضافی طراحی و ارزیابی شدند.
سپس، ChatGPT با متن همان مقالات پژوهشی آموزش داده شد که برای توسعه دستورالعمل پیش از پرسیدن سؤالات مورد استفاده قرار گرفته بودند. این کار برای بررسی این موضوع انجام شد که آیا ChatGPT با استفاده از دادههای مشابه به کار رفته برای توسعه دستورالعملها میتواند توصیههای هماهنگتری را ارائه دهد یا خیر.
سپس سه متخصص بیماریهای عفونی، پاسخهای هوش مصنوعی را با توصیههای دستورالعمل انجمن میکروبیولوژی بالینی و بیماریهای عفونی اروپا مقایسه کردند تا مواردی را مانند وضوح، همسویی با دستورالعمل و خطر احتمالی برای بیمار ارزیابی کنند.
این پژوهش در «The Journal of Neurology» ارائه شد.
انتهای پیام