کاربرد هوش مصنوعی در مهندسی پزشکی و حوزه پزشکی
۱۳۹۸-۱۱-۱۵ 0

بارها گفتیم که در حال حاضر در دوره‌ی طلایی هوش مصنوعی قرار داریم که قرار است باعث تحول در همه‌ی وجهه‌های زندگی بشر خواهد شد. هوش مصنوعی در مهندسی پزشکی و به طور کلی ورود هوش مصنوعی به حوزه پزشکی یکی از مرزهای جدیدی است که هوش مصنوعی شروع به فتح آن کرده است و در سال‌های اخیر پیشرفت‌های چشمگیری در این زمینه داشته است.

استفاده از ربات‌های دستیار برای جراحان چند سالی است که به امری رایج در جراحی‌های بخصوص تبدیل شده است. استفاده از ربات‌های دستیار باعث می‌شود تا جراحی با تهاجم کمتر و دقت بیشتری انجام شود. توالی و ویرایش ژن‌ها به کمک هوش مصنوعی انجام می‌گیرد و این امر به دانشمندان کمک می‌کند تا به راه‌های درمان برای بیماری‌های مختلف دست پیدا کنند.

یکی از مهم‌ترین گام‌های قابل توجهی که هوش مصنوعی در مهندسی پزشکی و به طور کلی علم پزشکی برداشته است، تغییراتی است که در روند تشخیص بیماری توسط پزشکان ایجاد می‌کند. در آینده‌ای نزدیک روند تشخیص و درمان بیماری با آنچه که امروز شاهد آن هستیم تفاوت‌های اساسی بسیاری خواهد داشت. در ادامه این تحول بنیادی را با یک مثال برای شما روشن می‌کنیم.

فکر کنید که صبح امروز نشانه‌هایی از سرماخوردگی را در خودتان مشاهده می‌کنید. دمای بدنتان پایین نیامده و تب کرده‌اید و در نفس کشیدن دچار مشکل شده‌اید. طبیعی است که در چنین شرایطی مثل باقی زمان‌هایی که سرما خورده‌ بودید به پزشک مراجعه می‌کنید.

تصور کنید که این بار زمانی که به نزد پزشک رفتید، او در مورد تمام علائم و نشانه‌هایی که در مورد بیماریتان حس می‌کنید از شما می‌پرسد و تمام جواب‌هایتان و مشاهداتش را درون یک تبلت و در یک نرم افزار تشخیص بیماری، که یکی از کاربردهای هوش مصنوعی در مهندسی پزشکی و علم پزشکی هستند، وارد می‌کند. این برنامه در زمان کوتاهی تمام اطلاعات موجود در پرونده پزشکی شما را استخراج می‌کند و با توجه به علائم بیماری که در حال حاضر دارید، پیشنهاد و توصیه‌هایی را برای کمک به تشخیص بیماری آماده می‌کند. سپس پزشک از این پیشنهادات و توصیه‌ها استفاده کرده و آن‌ها را با ارزیابی‌های شخصی خود مقایسه می‌نماید. در نهایت با توجه به همه‌ی این اطلاعات و ارزیابی‌ها تشخیص نهایی را انجام داده و آن را به شما می‌گوید.

هوش ممصنوعی و تشخیص بیماری

این دقیقا تحولی است که در مورد آن صحبت می‌کنیم. در این حالت دیگر نیاز نیست که برای تشخیص یک بیماری ساعت‌ها زمان صرف شود. این آینده‌ی تشخیص و درمان در پزشکی است که از آن حرف می‌زنیم. در این مقاله می‌خواهیم به طور اختصاصی راجع به کاربردهای هوش مصنوعی در زمینه تشخیص و درمان بیماری‌ها صحبت کنیم.

تشخیص و درمان به کمک هوش مصنوعی

همان طور که بالاتر نیز به آن اشاره شد در آینده‌ای نزدیک شاهد سیستم‌های هوش مصنوعی به عنوان دستیار تشخیص برای پزشکان خواهیم بود که قادرند به تشخیص انواع بیماری‌ها کمک کنند. این آینده‌ای که از آن صحبت می‌کنیم نزدیک‌تر از چیزی است که تصور می‌کنید و حتی در بخش‌هایی از حوزه سلامت به وقوع پیوسته و هوش مصنوعی در زمینه پزشکی و مهندسی پزشکی موفق عمل کرده‌است.

کانگ ژانگ و همکارانش در دانشگاه کالیفرنیا اطلاعات موجود در مراجعه 1.3 میلیون مراجعه بیمار به یک مرکز درمانی در گوانگژو چین را به سیستم مصنوعی آموزش دادند و این سیستم هوش مصنوعی قادر است بیماری‌هایی همانند تب غده‌ای، روزئولا (بیماری همانند سرخک و سرخجه)، آنفلوانزا، آبله مرغان و بیماری‌های دیگری مربوط به دهان و دندان و دست و پا را با دقت بین 90 تا 97 درصد تشخیص دهد.

در پژوهش دیگری که توسط Nature Medicine منتشر شده، به کمک سیستم هوش مصنوعی گوگل با استفاده از دیتابیسی شامل 42 هزار سی تی اسکن بیماران، توانسته در تشخیص سرطان ریه بهتر از 6 رادیولوژیست عمل کند. این مسئله باعث بهبود 5 درصدی در تشخیص سرطان ریه شده است.

در سال 2018 سازمان غذا و دارو آمریکا IDx-DR را تصویب کرد. IDx-DR ابزاری است که به کمک هوش مصنوعی تصاویری که از قسمت پشت چشم تهیه شده است را مطالعه می‌کند و با تحلیل آن‌ها می‌تواند رتینوپاتی دیابتی را تشخیص دهد. در زمانی که مطالعات بالینی این پژوهش که منجر به تایید این سیستم گردید انجام می‌شد، سیستم هوش مصنوعی توانسته بود رتینوپاتی دیابتی را با دقت 89.5 درصد تشخیص دهد. این اولین ابزار در نوع خود است که می‌تواند بدون دخالت پزشک عملیات تشخیص را انجام دهد.

استفاده از هوش مصنوعی و یادگیری عمیق در مهندسی پزشکی و به طور کلی حوزه پزشکی

تمام سیستم‌های هوش مصنوعی که در مهندسی پزشکی و به طور کلی حوزه پزشکی به کار می‌روند و در بالا به آن‌ها اشاره شد از الگوریتم‌های یادگیری عمیق برای رسیدن به تشخیص برای بیماری استفاده می‌کنند. از داده‌های موجود در مراکز درمانی و مراقبت‌های بهداشتی برای آموزش این سیستم‌ها استفاده می‌شود. سپس این سیستم‌های هوش مصنوعی تکنیک‌های بخصوصی را برای رسیدن به تشخیص به کار می‌گیرند. چالش و مشکلی در تکنیک‌های یادگیری عمیق وجود دارند شفافیت می‌باشد. ورودی‌ها و خروجی‌هایی که به سیستم داده می‌شوند شفاف هستند اما نحوه رسیدن به تشخیص بیماری توسط هوش مصنوعی واضح و مشخص نیست. نکته‌ی دیگری که در این زمینه وجود دارد آن است که میزان کیفیت سیستم هوش مصنوعی در تشخیص مستقیما به کیفیت داده‌ها وابستگی دارد.

داده های پزشکی برای هوش مصنوعی

چالش جمع‌آوری داده برای هوش مصنوعی در پزشکی و مهندسی پزشکی

یکی از چالش‌هایی که هوش مصنوعی در حوزه پزشکی با آن روبه‌رو است، بحث داده و جمع‌آوری آن است. از آن‌جا که داده‌های مربوط به پرونده پزشکی افراد در منابع مختلفی اعم از شرکت‌های بیمه و مراکز درمانی و … نگهداری می‌شوند، جمع‌آوری این داده‌ها از تمام منابع موجود کار بسیاری بزرگی می‌باشد. گوگل در حال حاضر در صدد زیرساخت سازی برای شرکت‌های فناوری پزشکی و مراکز درمانی است که بتوانند از این زیرساخت‌ها و اطلاعات برای آموزش سیستم‌های هوش مصنوعی خود استفاده نمایند. البته گوگل سرمایه‌گذاری قابل توجهی را برای جمع‌آوری این میزان داده انجام داده است تا تمام مقررات و قوانین مربوط به حفظ حریم خصوصی در مورد آن رعایت شود.

سخن پایانی

در مقالات مختلف به این مسئله اشاره کردیم که هوش مصنوعی قرار است به زندگی انسان‌ها وارد شود تا آن را راحت‌تر و آسان‌تر نماید. استفاده از هوش مصنوعی در مهندسی پزشکی و به طور کلی پزشکی نیز قرار است به کمک انسان‌ها بیاید تا به سلامتی آن‌ها کمک کند و با استفاده از الگوریتم‌های هوش مصنوعی با پیشبینی بیماری‌ها به افراد برای پیشگیری آن‌ها کمک کند. هوش مصنوعی نه تنها به پزشکان کمک می‌کند و در مراکز درمانی کاربرد دارد، بلکه سازمان‌های بزرگ نیز می‌توانند برای پایش سلامتی کارمندانشان از این سیستم‌ها استفاده نمایند. بدین ترتیب به کمک این سیستم‌های هوش مصنوعی می‌توان از هزینه‌های سرسام‌آور درمان کم کرد و زندگی سالم را در جامعه گسترش داد.

چنانچه این مطلب برای شما مفید بود، آن را با دوستان خود به اشتراک بگذارید.

نظر بدهید