هوش مصنوعی تا سال 2020 علم پزشكی را در دست می گیرد
دیجیتالر: پژوهش های پزشكی صورت گرفته با كمك هوش مصنوعی حاكی از این هستند كه این فناوری می تواند تا سال 2020، تحولات شایان توجهی در علم پزشكی ایجاد كند.
به گزارش دیجیتالر به نقل از ایسنا و به نقل از فوربس، هوش مصنوعی به دستاوردهای پزشكی بسیاری منجر شده كه از آن میان می توان به نرم افزار مبتنی بر هوش مصنوعی برای مدیریت سوابق پزشكی و تشخیص شرایط سلامت اشاره نمود. بازار هوش مصنوعی به رغم چنین دستاوردهایی، هنوز نوپا به حساب می آید اما به سرعت در حال گسترش است. طبق گزارش شركت چندملیتی خدمات حرفه ای "اكسنچر"(Accenture)، انتظار می رود كه این بازار در حوزه سلامت تا سال ۲۰۲۱، تا ۶.۶ میلیارد دلار رشد داشته باشد.
بااینكه حدس خیلی از متخصصان این است كه هوش مصنوعی خودكار در آینده می تواند جایگزین پزشكان شود اما پژوهش ها نشان می دهند كه پزشكان نیز مشتاق هستند تا نتایج آتی هوش مصنوعی را در حوزه سلامت ببینند و نگرانی آنها در مورد امنیت شغلی، بسیار كمتر از این اشتیاق است. "انجمن پزشكی آمریكا"(AMA) اخیراً كدی برای سیستم های مبتنی بر هوش مصنوعی ثبت كرده است تا حوزه سلامت بتواند گام های مهمی را به سمت سازگاری هوش مصنوعی با پزشكی بردارد.
روش های تشخیصی دگرگون كننده
خیلی از پیشرفت های در حال ظهور همچون تأثیر هوش مصنوعی بر سلامت، روش های تشخیصی را در بر دارند كه برای به كار بردن آنها باید هوش مصنوعی را آموزش داد تا بتواند خاصیت های شرایط گوناگون را تشخیص دهد. یكی از این سیستم ها، "IDx-DR" است كه از هوش مصنوعی برای تشخیص "شبكیه رنجوری دیابتی"(diabetic retinopathy) استفاده می نماید. شركت های گوگل و "وریلی"(Verily) نیز با همكاری یكدیگر، یك سیستم هوش مصنوعی ابداع نموده اند تا بیماران مبتلا به دیابت را با كمك آن شناسایی كنند.
بااینكه این گونه سیستم ها به دستگاه های بالینی نیاز دارند اما پژوهشگران مركز چشم پزشكی "دانشگاه میشیگان"(UM)، یك سیستم تشخیصی مبتنی بر هوش مصنوعی ابداع نموده اند كه می تواند شبكیه رنجوری دیابتی را با كمك دوربین تلفن همراه تشخیص دهد. این ابزار تصویربرداری موسوم به "رتیناسكوپ"(RetinaScope)، از هوش مصنوعی و فناوری های كنونی تلفن همراه استفاده می نماید تا دسترسی به فناوری تصویربرداری از شبكیه را افزایش دهد.
گوگل، كارهای گسترده ای در ارتباط با هوش مصنوعی انجام داده است كه یكی از برجسته ترین آنها، استفاده از یك سیستم مبتنی بر هوش مصنوعی در تشخیص سرطان ریه است. این سیستم، با كمك یك الگوریتم یادگیری عمیق كه قابلیت تحلیل سی تی اسكن را دارد، آموزش داده می شود تا احتمال وجود بیماری را در فرد تشخیص دهد.
پژوهشگران دریافتند كه سیستم هوش مصنوعی می تواند هنگام تحلیل سی تی اسكن، سرطان ریه را تا پنج درصد دقیق تر از متخصصان تشخیص دهد و تا ۱۱ درصد به كاهش احتمال وقوع خطا در تشخیص كمك نماید. پژوهش مشابهی نشان داد كه یك برنامه یادگیری ماشینی می تواند بیماری قلبی را با دقتی بیشتر از روش های قدیمی تشخیص دهد.
پژوهش های دیگری نیز در زمینه تشخیص مبتنی بر هوش مصنوعی وجود دارند كه از آنها می توان به تشخیص اسكیزوفرنی و بیماری قلبی با كمك سنسورهای پوشیدنی شركت اپل اشاره نمود. كمك گرفتن از پزشكان در تشخیص بیماری ها نیز حوزه دیگری از سلامت است كه ظرفیت بالایی جهت استفاده از هوش مصنوعی دارد.
بررسی بیماری با هوش مصنوعی
هوش مصنوعی با استفاده از الگوریتم های تشخیصی می تواند داده های به دست آمده را با سرعت و دقت یك فرد حرفه ای بررسی كند. پژوهشگران "واحد پزشكی وایل كرنل"(Weill Cornell Medicine)، هوش مصنوعی را برای كمك به حاملگی موفق به كار گرفتند. آنها یك الگوریتم هوش مصنوعی را با كمك ۱۲ هزار تصویر از رحم انسان آموزش دادند تا سیستم بتواند تفاوت میان رحم بارور و ناسالم را تشخیص دهد. این پژوهش نشان داد كه الگوریتم هوش مصنوعی موسوم به "استروك"(Stork) می تواند كار خودرا با دقت ۹۷ درصد انجام دهد. پژوهشگران با ابداع این سیستم، گام های مهمی به سمت ارائه یك روش استاندارد برای پژوهش در این زمینه برداشتند.
علاوه بر موارد ذكر شده، پژوهشگران برای تشخیص آمادگی بیماران برای جراحی نیز از هوش مصنوعی استفاده كردند. پژوهش آنها نشان داده است كه چگونه می توان از یادگیری ماشینی برای تشخیص بیمارانی كه آماده جراحی قرنیه هستند و كسانی كه امكان دارد نتایج بعد از جراحی را تجربه كنند، استفاده نمود. پژوهشگران دریافتند كه این سیستم هوش مصنوعی می تواند داوطلبان آماده برای جراحی را با ۹۳.۴ درصد تشخیص دهد.
بهبود تشخیص بیماران مبتلا به سرطان
هوش مصنوعی در زمینه تشخیص و مدیریت سرطان نیز امیدواركننده است. پژوهشگران "دانشگاه اوساكا"(Osaka University) ژاپن، اخیراً سیستمی ابداع نموده اند كه می تواند انواع گوناگون سلول سرطانی را از هم تشخیص دهد. تعداد زیاد و تنوع سلول سرطانی كه در بیماران دیده می شود، شناسایی انواع آنها را برای انسان دشوار می سازد. سیستم هوش مصنوعی پژوهشگران اوساكا كه برمبنای یك شبكه عصبی پیچشی ابداع شده، شكل خاصی از هوش مصنوعی است كه سیستم بصری انسان را مدل سازی می كند. پژوهشگران بعد از آموزش این سیستم با هشت هزار تصویر از انواع سلول، دریافتند كه دقت آن در شناسایی سلول ها ۹۸ درصد است.
پژوهشگران "دانشگاه لوكزامبورگ"(University of Luxembourg)، یك مدل كامپیوتری مبتنی بر یادگیری ماشینی ابداع نموده اند كه می تواند متابولیسم سلول های سرطانی را شبیه سازی كند. آنها این روش را برای تحلیل اثرات داروهای گوناگون بر توقف گسترش سرطان به كار بردند و بعد از ایجاد مدلهای دیجیتالی سلول های سالم و سلول های سرطانی، داده های ژنتیكی به دست آمده از ۱۰ هزار بیمار را با آن ادغام كردند.
پژوهشگران، مدلهای كامپیوتری را برای شبیه سازی اثرات تركیبات متفاوت بر متابولیسم سلولی به كار بردند. شبیه سازی با مدلهای سلول سرطانی نشان داد كه داروها می توانند رشد سرطان را به صورت مؤثر مهار كنند اما شبیه سازی با سلول های سالم، ایمنی داروها را مورد بررسی قرار داد.
بررسی بیماران از طریق دور
ادغام هوش مصنوعی با فناوری های پوشیدنی، به پزشكان امكان می دهد تا بیماران خودرا از طریق دور بررسی نمایند. شركت "Current Health"، یك ابزار پوشیدنی مبتنی بر هوش مصنوعی عرضه كرده است كه می تواند نشانه های حیات بیمار را در خانه مورد بررسی قرار دهد. این شركت پیش تر مجوز استفاده از ابزار پوشیدنی خودرا كسب كرده بود اما اخیراً موفق شده مجوز "سازمان غذا و داروی آمریكا" (FDA) را جهت استفاده در خانه نیز به دست آورد.
این ابزار بی سیم، ضربان قلب، تنفس، دما و تحرك بدن كاربر را مورد بررسی قرار می دهد. پژوهشگران با كمك این ابزار پوشیدنی می توانند اطلاعات مربوط به سلامت بیمار خودرا در زمان واقعی و به صورت به روز رسانی شده در اختیار داشته باشند تا وضعیت سلامت آنها را مدیریت كنند. این فناوری برای تحلیل داده ها و تشخیص مشكلات سلامتی، از یادگیری ماشینی استفاده می نماید.
بعضی از پژوهشگران، هوش مصنوعی را در ساعت های هوشمند به كار برده اند تا از آن جهت بررسی شرایط بیماران قلبی استفاده كنند. آنها این فناوری را برای تشخیص "كاردیومیوپاتی هیپرتروفیك" (HCM) به كار گرفتند. كاردیومیوپاتی هیپرتروفیك، نوعی بیماری قلبی است كه می تواند نتایج جدی برای سلامت بیمار به همراه داشته باشد و معمولاً در بررسی های بالینی تشخیص داده نمی گردد. پژوهشگران با به كار گرفتن یادگیری ماشینی و یك سنسور پوشیدنی، روشی غیرتهاجمی برای شناسایی بیماری ابداع كردند.
بررسی ژنتیك
یك گروه پژوهشی، اخیراً موفق شده اند با استفاده از هوش مصنوعی، جهش های ژنتیكی جدیدی در ارتباط با اوتیسم كشف كنند. آنها از یادگیری عمیق جهت بررسی نواحی خاصی از ژنوم استفاده كردند كه شاید تأثیر زیادی در تولید ژن های خاص نداشته باشند اما در بروز بیماری اوتیسم مؤثر هستند.
پژوهشگران، ۱۲۰ هزار جهش ژنتیكی را بررسی كردند تا ژن های در رابطه با بیماری اوتیسم را شناسایی كنند. این نتایج، دلیلهای دقیق ابتلاء به اوتیسم را نشان ندادند اما ژن هایی را مشخص كردند كه با این بیماری مرتبط هستند.
الگوریتم یادگیری عمیق به كار رفته در این پژوهش، داده های پیچیده ای را تحلیل كرد تا الگوهای چالش برانگیز در شناسایی بیماری را نشان دهد. این الگوریتم در تحلیل ژنوم، نواحی خاصی از DNA را تشخیص داد كه در تنظیم ژن ها نقش دارند.
منبع: دیجیتالر
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب