جستجوی درمان کرونا ویروس باعث تسریع استفاده از هوش مصنوعی در بهداشت و درمان خواهد شد

تمرکز بر یافتن روش‌های درمانی کرونا ویروس باعث سرعت بخشیدن به استفاده از هوش مصنوعی در مراقبت‌­های بهداشتی شده و منجر به پیشرفت در پیش‌بینی، غربالگری، تشخیص و تولید دارو می‌­شود.

پیش از شیوع کرونا ویروس، هوش مصنوعی در بهداشت و درمان کاربرد داشت. اما اکنون این کاربردها شتاب گرفته‌است. در واقع این تاثیر از وقتی شروع شد که سیستم هوش مصنوعی Blue Dot موارد غیرمعمولی را در ووهان چین ثبت کرد. این شرکت در تورنتو کانادا مستقر است و از پردازش زبان طبیعی و یادگیری ماشین برای ردیابی، تعیین مکان و گزارش شیوع بیماری­‌های عفونی استفاده می‌­کند. این سیستم برای مشتریان خود، که شامل نهادهایی در بخش مراقبت­‌های بهداشتی، دولتی، تجاری و بهداشت عمومی هستند هشدار می­فرستد. 9 روز پیش از اینکه سازمان بهداشت جهانی با انتشار یک مقاله در مجله Wired خبر از شیوع کرونا ویروس جدید بدهد، این سیستم در مورد کرونا ویروس هشدار داده بود.

از آن زمان به بعد هوش مصنوعی برای پیش‌بینی، غربالگری، هشدار تماس، تشخیص سریع‌تر، تحویل خودکار و کشف داروهای آزمایشگاهی برای مبارزه با کرونا ویروس به کار گرفته شده است. نمونه‌ای از این کاربردها یک سیستم تشخیص هوش مصنوعی است که به نظر می‌رسد در مقایسه با اسکن پرتونگاری کامپیوتری، موارد کرونا ویروس جدید را با دقت ۹۶ درصد تشخیص دهد.

الگوریتم تشخیص توسط موسسه تحقیقاتی علی بابا، Damo Academy توسعه یافته‌­است و مدل هوش مصنوعی را با داده‌­های بیش از 5000 مورد تأیید شده بیماری آموزش داده است. این سیستم می‌تواند تفاوت‌های موجود در سی تی اسکن بیماران مبتلا به ویروس جدید و ویروس ذاات الریه معمولی را با دقت بالای ۹۶ درصد شناسایی کند. سازندگان این الگوریتم می‌­گویند این الگوریتم شامل آخرین دستورالعمل‌های درمانی و تحقیقات منتشر شده­‌است.

این قابلیت­‌های هوش مصنوعی در مقابله با کرونا ویروس یک دید کلی از جنبه­‌های مختلف مراقبت­‌های بهداشتی که در آینده با استفاده از هوش مصنوعی امکان پذیر است را ارائه می‌­دهد. باید صادقانه گفت که هوش مصنوعی چهار ماه است که در نبرد با این بیماری همه‌گیر موفق نبوده­‌است. Kai-Fu Lee نویسنده و دکترای علوم کامپیوتر می­‌گوید:” در بهترین حالت به آن نمره B منفی می‌دهم.” Lee مدیر شرکت Sinovation Ventures و نویسنده کتاب معروف AI Superpowers است.

این امتیاز به دلیل عدم توانایی هوش مصنوعی در تمرکز بر روی مشکلات سیستم مراقبت­‌های بهداشتی مانند پاسخ­‌های هشدار ناکافی، توزیع ناکافی تجهیزات پزشکی، فشار بیش از حد به پرسنل بیمارستان­‌ها و کم بودن تخت در بیمارستان­‌ها، به آن داده شده است. اگرچه دکتر Lee به دو دلیل هنوز به هوش مصنوعی امیدوار است:

“اول اینکه اکنون داده‌­ها در جریان هستند. به طور مثال Kaggle که یک سیستم یادگیری ماشین و علم داده‌­ها است میزبان مجموعه داده‌­هایی در مورد تحقیقات بر روی کرونا ویروس است. این مجموعه داده که به نام CORD-19 شناخته می‌­شود داده‌های مرتبط را گردآوری می‌کند و آن را برای استفاده در سیستم­‌های یادگیری ماشین در دسترس قرار می‌دهد. این سایت اخیراً بیش از 128000 مقاله علمی در مورد ویروس کرونا، سارس، مرس و سایر موضوعات مرتبط ارائه است.

دوم اینکه دانشمندان علوم پزشکی و کامپیوتر در سراسر جهان بر روی روش‌های مبارزه با ویروس کرونا متمرکز شده‌­اند. Peter Diamandis بنیان‌گذار موسسه XPrize تخمین زده است که اکنون بیش از 200 میلیون پزشک، دانشمند، پرستار، تکنسین و مهندس در حال کار بر روی ویروس کرونا هستند. Diamandis اظهار داشت: “آن‌ها ده‌ها هزار آزمایش انجام می‌­دهند و اطلاعات را با شفافیت و سرعتی که قبلا ندیده بودیم به اشتراک می­‌گذارند.”

بر اساس یک مطالعه هزینه‌­ای که در 19 کشور برای توسعه هوش مصنوعی در بخش مراقبت‌­های بهداشتی شده است با 42٪ رشد سالانه، از 1.3 میلیارد دلار در سال 2018 به 13 میلیارد دلار در سال 2024 افزایش خواهد یافت. این افزایش در شش حوزه خواهد بود: گردش­ کاری بیمارستان، فناوری‌­ها و گجت‌های پوشیدنی، تشخیص و تصویربرداری پزشکی، برنامه‌ریزی درمانی، دستیاران مجازی و کشف دارو. از شبکه­‌های عصبی عمیق برای تولید و تفسیر دقیق تصویربرداری پزشکی ، اسلایدهای آسیب شناسی، معاینات چشم و کولونوسکوپی استفاده شده است.

دکتر Lee اظهار داشت: “ویروس کرونا این روندها را سرعت می‌­بخشد”. وی افزود: “من یک آینده روشن از این که چطور هوش مصنوعی با ظهور این بیماری با سرعت بیشتری در مراقبت‌های بهداشتی استفاده می‌شود، می‌بینم.”

پزشکان برای تکمیل آن‌چه هوش مصنوعی به خوبی انجام می‌دهد، نقش­‌هایشان را دوباره تعریف می‌­کنند. نقش فزاینده هوش مصنوعی در مراقبت­‌های بهداشتی بر پزشکان تاثیر می­‌گذارد و منجر به بازتعریف نقش آن‌ها در ترکیب با کمک‌­های هوش مصنوعی می‌شود. یک محقق پزشکی که مقاله­‌ای با عنوان “تاثیرات هوش مصنوعی در داروسازی و نقش­‌های آینده پزشکان” در سایت مرکز ملی اطلاعات بیوتکنولوژی منتشر کرده است گفت: “به نظر نمی‌­رسد روزی نقش پزشكان با هوش مصنوعی جایگزین شود.”

Abhimanyu S. Ahuja دانشجوی پزشکی در کالج پزشکی Charles E. Schmidt در دانشگاه آتلانتیک فلوریدا اظهار داشت: “تمرکز فزاینده هوش مصنوعی در رادیولوژی منجر به این شده که برخی از متخصصان پیش‌بینی کنند که روزی حتی ممکن است هوش مصنوعی جایگزین رادیولوژیست‌­ها شود. این پیشنهادها سوالی را به وجود می‌­آورد که آیا سیستم­‌های مبتنی بر هوش مصنوعی سرانجام در برخی از تخصص‌ها جایگزین پزشکان می‌­شوند یا تنها نقش پزشکان را بدون جایگزینی واقعی آن‌ها تقویت می‌­کنند؟”

وی در مورد نقش سیستم­‌های مبتنی بر هوش مصنوعی در انجام کارهای پزشکی در رشته­‌های تخصصی از جمله رادیولوژی، آسیب‌شناسی، چشم‌پزشکی و قلب و عروق تحقیق کرد و نتیجه گرفت که سیستم­‌های مبتنی بر هوش مصنوعی به پزشکان کمک خواهند کرد و بعید است جایگزین رابطه سنتی پزشک و بیمار شوند.

هوش مصنوعی به منظور کارآیی و دقت بیشتر در در رادیولوژی، به صورت روزمره استفاده خواهد شد. در طی ده سال آینده ممکن است تصاویر رادیولوژی پیش از اینکه توسط یک رادیولوژیست بررسی شود با کمک ابزارهای هوش مصنوعی آنالیز شود. این ابزار می‌تواند کارهای روزمره خواندن تصاویر رادیولوژی مانند کمی‌­سازی، تقسیم­‌بندی و تشخیص الگو را انجام دهد. به رادیولوژیست‌­ها توصیه می‌شود همزمان با پیشرفت این فناوری به منظور اطمینان از کاربرد اخلاقی و ارتباط بالینی آن، بیشتر با این تکنولوژی‌­ها درگیر شوند.

نقش هوش مصنوعی در پزشکی بسیار مهم است به خصوص هنگامی که مقدار زیادی از داده­‌ها داریم که پردازش آن‌ها برای انسان دشوار است. از این نظر، هدف هوش مصنوعی در پزشکی جایگزینی پزشکان نیست بلکه بهینه‌­سازی و بهبود کاری است که پزشکان انجام می­‌دهند.

هوش مصنوعی دارای پتانسیل زیادی برای کمک به تشخیص سرطان سینه در زنان است. آزمایشات انجام شده در ماموگرافی، تصاویر دیجیتالی منفردی از سینه را به متغیرهای استخراج شده در اندازه یک پیکسل که برای چشم انسان قابل تشخیص نیست تبدیل می­‌کند. کامپیوترها می‌توانند میلیون­‌ها از این متغیرهای دارای اندازه یک پیکسل را به منظور شناسایی ویژگی‌های تصویربرداری جدید دسته‌بندی کنند. وعده نهایی این است که هوش مصنوعی این متغیرها و ارتباطات در اندازه پیکسل را را با داده‌­های بالینی مانند بیماری‌های زمینه‌­ای بیمار ترکیب کند و الگوریتم­‌های پیش‌بینی کننده را ایجاد کند و روزی بتوانند با دقت برابر یا بهتری نسبت به ماموگرافی انسانی عمل کنند.

لینک کوتاه شده : https://amerandish.com/ab8lc

به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

_ مطالب مرتبط _

سگ رباتیک راهنمای نابینایان

سگ راهنمای رباتیک برای کمک به افراد نابینا 

ایده اختراع سگ راهنمای رباتیک که به‌تازگی توسط محققان دانشگاه کالیفرنیا ساخته‌شده است، از سگ‌های راهنمایی گرفته شد که برای کمک به انسان آموزش‌ دیده‌اند.

داستان‎های عاشقانه هوش مصنوعی

هوش مصنوعی داستان‎های عاشقانه می‌سراید!

داستان‌‎های عاشقانه هوش مصنوعی: مجله نیویورک تایمز از GPT-3 خواست کمی درباره خودش و زندگی عاشقانه‌اش بگوید GPT-3، جدیدترین مدل هوش ‘مصنوعی سیستم‌های زبان طبیعی

درخواست شما با موفقیت ارسال شد.

ضمن تشکر بابت ارسال پیام، در سریع‌ترین زمان ممکن کارشناسان شرکت عامراندیش درخواست شما را بررسی خواهند نمود.