به گزارش خبرگزاری خبرآنلاین و به نقل از شفقنا، یک تیم تحقیقاتی از دانشگاه کالیفرنیا سن‌دیگو موفق به طراحی ابزاری مبتنی بر هوش مصنوعی شده است که قادر است فرایند «بخش‌بندی تصاویر پزشکی» را با دقت بالا و تنها با استفاده از ۸ تا ۲۰ درصد حجم داده‌های آموزشی متعارف، انجام دهد. این روش به خصوص برای مراکز درمانی با منابع مالی محدود، تحولی بزرگ به شمار می‌رود زیرا نیاز به هزاران تصویر برچسب‌گذاری‌شده را کاهش می‌دهد.
بخش‌بندی تصاویر پزشکی به معنای تعیین نوع بافت موجود در هر پیکسل از تصاویر پزشکی نظیر MRI یا سی‌تی‌اسکن است. این فرآیند معمولا به دست متخصصان و با صرف هزینه و زمان بالا انجام می‌شود. اما ابزار جدید با بهره‌گیری از ترکیب داده‌های واقعی و مصنوعی و ایجاد یک حلقه بازخورد هوشمند، توانسته است دقت بالایی را در عین استفاده از داده‌های کمتر فراهم کند.
این سیستم در زمینه‌هایی مانند تشخیص سرطان پستان، زخم‌های پوستی، پولیپ‌های کولون و نقشه‌برداری از هیپوکامپ آزمایشات موفقی را پشت سر گذاشته و در شرایط با داده‌های محدود، تا ۲۰ درصد عملکرد بهتری نسبت به روش‌های موجود به نمایش گذاشته است.
پژوهشگران اعلام کرده‌اند که در نظر دارند نسخه‌های آینده این سیستم را با دریافت بازخورد مستقیم از پزشکان بهبود بخشند تا داده‌های مصنوعی تولیدشده نزدیک‌تر به واقعیت‌های بالینی باشند.