این روزها که جهان با بیماری کوید-19 دست به گریبان است، از هر نوآوری و تکنولوژی برای مبارزه با این بیماری استفاده میشود. مانند بسیاری از عرصه‌های دیگر، عرصه خدمات بهداشت و درمان نیازمند پشتیبانی فناوری‌های جدیدی مانند هوش مصنوعی (AI)، اینترنت اشیا (IoT)، کلان داده‌ها و یادگیری ماشین است. به تازگی، تجزیه و تحلیل داده‌های مربوط به بیماری، آماده سازی داده‌ها، پیشگیری و مبارزه با بیماری‌های واگیرداری، مانند کوید-19، به یکی از اهداف هوش مصنوعی تبدیل شده است.
هوش مصنوعی (AI) و یادگیری ماشین نقش مهمی در درک بهتر، مقابله با بحران کوید-19 و کشف واکسن کوید-19 دارند. فناوری یادگیری ماشین به رایانه‌ها این امکان را میدهد تا با هوشی که دارند و با تقلید از حجم زیادی از داده‌ها، الگو و سرعت انتشار بیماری را پیش‌بینی کنند. این فناوری نتیجه محور برای غربالگری مناسب، تجزیه و تحلیل، پیش بینی و ردیابی بیماران فعلی و بیماران احتمالی آینده مورد استفاده قرار میگیرد. هوش مصنوعی از اطلاعات حاصل از افراد مبتلا به کرونا، افراد بهبود یافته و فوتی به عنوان داده ردیابی استفاده میکند.
در راستای مبارزه با کوید-19، مهارت‌های یادگیری ماشین و هوش مصنوعی در زمینه‌های ارتباط با بیماران، درک نحوه انتشار کوید-19 و سرعت بخشیدن به تحقیقات و درمان تقویت شده است.
در موسسات بهداشت و درمان، از چت بات‌ها با قابلیت یادگیری ماشین برای غربالگری علائم کوید-19 و پاسخ به سوالات بیماران استفاده میشود. یک مثال Clevy.io است، این شرکت یک استارت آپ فرانسوی است که چت‌باتی را برای ارتباط ساده‌تر مردم با کادر درمان در مورد کوید-19 راه اندازی کرد. این چت‌بات اطلاعات دقیق و مناسبی را از سوی دولت فرانسه و سازمان بهداشت جهانی دریافت میکند، علائم شناخته شده را ارزیابی میکند و بر اساس اطلاعاتی که کسب کرده است، به سوالات پاسخ میدهد. این چت‌بات بدون اینکه به پرسنل بهداشت و درمان فشاری وارد کند، روزانه تقریبا 3 میلیون پیام را رد و بدل میکند و قادر به پاسخگویی به سوالات است.
استفاده دیگر از چت‌بات‌ها در زمان مبارزه با فراگیری ویروس کرونا را می‌توانید در اینجا بخوانید.
از طرف دیگر، برای جلوگیری از بروز هرگونه اختلال در زنجیره تأمین مواد غذایی، فرآوران مواد غذایی و دولت‌ها باید وضعیت فعلی کشاورزی را درک کنند. یکی از استارت آپ‌های عرصه کشاورزی، Mantle Labs، یک راه حل نظارت بر محصول AI محور را پیشنهاد داده است. این فناوری به صورت رایگان در مدت سه ماه در اختیار خرده فروشان قرار گرفت و بر زنجیره تامین نظارت داشت. روش کار به این صورت است که تصاویر ماهواره‌ای از زمین‌های زراعی، از چند ماهواره متفاوت، ترکیب میشود. این تصاویر با استفاده از مدل‌های یادگیری ماشین و پردازش تصویر ارزیابی می‌شوند، و در آخر شرایط کشاورزی و محصولات زراعی را نشان می‌دهند.
کاربردهای اصلی هوش مصنوعی در اپیدمی کوید 19
تشخیص زود هنگام و تشخیص عفونت
هوش مصنوعی یکی از فناوری‌هایی است که میتواند شیوع این ویروس را به راحتی ردیابی کند، بیماران پرخطر را شناسایی کند، و در کنترل به‌موقع عفونت مفید است. همچنین میتواند با تجزیه و تحلیل داده‌های قبلی خطر مرگ و میر بیماران را پیش بینی کند. هوش مصنوعی میتواند با غربالگری جمعیت، کمک پزشکی، اطلاع رسانی و پیشنهادات مربوط به کنترل عفونت در مقابله با این ویروس به ما کمک کند. این فناوری پتانسیل بهبود برنامه ریزی، درمان و نتایج گزارش شده از بیمار کوید-19 را دارد و یک ابزار پزشکی مبتنی بر شواهد است.
هوش مصنوعی میتواند سریعا علائم را تحلیل کند و به بیماران و کادر درمان هشدار دهد. این فناوری به تصمیم گیری سریعتر کمک میکند، که مقرون به صرفه است. هوش مصنوعی کمک میکند تا از طریق الگوریتم‌های کارآمد، یک سیستم جدید تشخیص و مدیریت بیماران کوید-19 را ایجاد کنید. هوش مصنوعی به کمک فناوری‌های تصویربرداری پزشکی مانند توموگرافی کامپیوتر(CT)، تصویربرداری با رزونانس مغناطیسی (MRI) به تشخیص موارد آلوده کمک میکند.
در عین حال، در زمینه تصویربرداری پزشکی، با استفاده از یادگیری ماشینی، به شناخت الگوهای موجود در تصاویر کمک می‌کنند و توانایی رادیولوژیست‌ها را برای تشخیص احتمال ابتلا به بیماری و تشخیص زود هنگام بیماری، تقویت می‌کنند.
نظارت بر درمان
هوش مصنوعی میتواند یک بستر هوشمند برای نظارت خودکار و پیش بینی شیوع ویروس کرونا ایجاد کند. همچنین یک شبکه عصبی برای استخراج ویژگی‌های بصری این بیماری ایجاد شده است و این امر به نظارت و درمان صحیح افراد مبتلا کمک میکند. این فناوری با توجه به اطلاعات بیماران خود را به‌روز میکند و راه‌حل‌هایی را ارائه میدهد که در جلوگیری از فراگیری کوید-19 موثر است.
تشخیص شدت کوید-19
هوش مصنوعی با استفاده از داده‌های 160 بیمار مبتلا به کرونا در بیمارستانی در ووهان، چین، توانسته است که با استفاده از موارد موجود در آزمایش خون افراد، احتمال ابتلا به کوید-19 را تا حدی تشخیص دهد. محققان با استفاده از اطلاعات مدلی را ایجاد كردند و هوش مصنوعی را با الگوریتم یادگیری ماشین آموزش دادند تا بتواند الگوهای کوید-19 را درک کند و شدت این بیماری را در افراد در بازه 0 (خفیف) تا 100 (بحرانی) مشخص کند.
این مدل با استفاده از داده‌های حاصل از 12 بیمار بستری در بیمارستان مختص بیماران کرونایی در شنژن، چین و 1000 بیمار مبتلا به کوید-19 در نیویورک تأیید شد. این مدل به درستی برای بیمارانی که مرخص شدند نسبت به بیمارانی که بستری شدند و وضعیت وخیمی داشتند، شدت کمتری را اعلام کرده بود.
اسحاق داپکینز، مسئول ارشد پزشکی مراکز بهداشت خانواده در NYU Langon، گفت: “ابزار پشتیبان تصمیم گیری بالینی بلادرنگ، در محیط‌های سرپایی و درمانگاه‌ها، به تشخیص افراد مبتلا، نظارت و درمان کمک میکند”.
لری مک رینولدز، مدیر اجرایی مراکز بهداشت خانواده در NYU Langone افزود: “امیدواریم که این ابزار بتواند با شناسایی افراد در معرض خطر، عوارض جانبی و شدت بیماری را کاهش دهد”.
ردیابی افراد
هوش مصنوعی با ردیابی افراد میتواند میزان آلودگی توسط این ویروس و آلوده‌ترین مناطق را شناسایی کند. از طرفی، با نظارت بر افراد و رفتار گذشته و حال آنها میتواند دوره بیماری و احتمال بروز و اوج مجدد آن را پیش‌بینی کند.
پیش بینی مرگ و میر
هوش مصنوعی میتواند از داده‌های موجود، رسانه‌های اجتماعی و سیستم عامل‌های رسانه‌ای، در مورد خطرات ناشی از عفونت و شیوع آن ماهیت ویروس را ردیابی و پیش بینی کند. علاوه بر این، میتواند تعداد موارد بهبود و مرگ در هر منطقه را پیش‌بینی کند. هوش مصنوعی میتواند به شناسایی آسیب پذیرترین مناطق، مردم و کشورها کمک کند و براساس آن اقدامات لازم را انجام دهد.
کشف داروها و واکسن
هوش مصنوعی از داده‌های موجود در مورد کوید-19 برای تحقیقات دارویی استفاده میکند. برای کشف و توسعه داروها مفید است. این فناوری برای سرعت بخشیدن به تست بلادرنگ دارو استفاده میشود، در حالی که آزمایش استاندارد زمان زیادی می‌‌برد، هوش مصنوعی این روند را طوری سرعت می‌بخشد که از توانایی انسان خارج است. هوش مصنوعی به ابزار قدرتمندی برای طراحی آزمایش‌های تشخیصی و کشف واکسیناسیون تبدیل شده است. هوش مصنوعی به کشف واکسن و درمان، با سرعت بسیار بیشتری از حد معمول کمک میکند و همچنین برای آزمایشات بالینی در طول کشف واکسن مفید است.
کاهش بار کاری پرستاران
به دلیل افزایش ناگهانی و گسترده تعداد بیماران در طول بیماری واگیردار کوید-19، حجم کار متخصصان بهداشت و درمان یکباره بسیار افزایش یافت. هوش مصنوعی به کمک کادر درمان شتافت و حجم کار آنها را بسیار کاهش داد. این فناوری در تشخیص زودهنگام و ارائه درمان در مراحل اولیه با استفاده از رویکردهای دیجیتالی و پشتیبان تصمیم کمک میکند، و از طرف دیگر، بهترین آموزش را به دانشجویان و پزشکان در مورد این بیماری جدید ارائه میدهد. هوش مصنوعی میتواند مراقبت‌های آینده از بیمار را تحت تأثیر قرار دهد و چالش‌های احتمالی را که باعث کاهش بار کار پزشکان میشود، برطرف کند.
جلوگیری از شیوع بیماری
با کمک تجزیه و تحلیل بلادرنگ داده‌ها، هوش مصنوعی میتواند اطلاعات به روز شده‌ای را ارائه دهد که در پیشگیری از این بیماری مفید است. می‌‌توان از هوش مصنوعی برای پیش بینی مکان‌های احتمالی آلوده به ویروس، هجوم ویروس، تعداد تختخواب مورد نیاز برای بستری بیماران و متخصصان مراقبت‌های بهداشتی در طول این بحران استفاده کرد. یادگیری ماشین همچنین به محققان و پزشکان کمک میکند تا حجم وسیعی از داده‌ها را برای پیش بینی شیوع کوید-19 تجزیه و تحلیل کنند، تا به عنوان یک سیستم هشدار دهنده اولیه برای همه گیری‌های آینده عمل کرده و جمعیت آسیب پذیر را شناسایی کنند.
اطلاعات کسب شده توسط این فناوری دلیل شیوع عفونت را مشخص میکند. در آینده، هوش مصنوعی یک فناوری مهم برای مقابله با سایر بیماری‌های واگیردار خواهد بود و همچنین نقش مهمی در ارائه مراقبت‌های بهداشتی، پیش بینی بیماری و پیشگیری از بیماری ایفا میکند.
محققان Chan Zuckerberg Biohub در کالیفرنیا برای ارزیابی تعداد عفونت‌های کوید-19 که کشف نشده‌اند و عواقب آن برای سلامتی عمومی، الگویی را ساختند و 12 منطقه در سراسر جهان را ارزیابی کردند. آنها با استفاده از یادگیری ماشین و توسعه تشخیصی، روش‌های جدیدی را برای تعیین عفونت‌های کشف نشده ایجاد کرده‌اند.
در ابتدای این بیماری واگیردار، BlueDot، یک شرکت استارتاپ کانادایی و مشتری AWS که از AI برای تشخیص شیوع بیماری استفاده میکند، از نخستین کسانی بود که زنگ خطر درباره شیوع نگران کننده یک بیماری تنفسی در ووهان چین را به صدا درآورد. BlueDot از AI برای تشخیص شیوع بیماری استفاده میکند. BlueDot با استفاده از الگوریتم‌های یادگیری ماشین خود، گزارش‌های خبری بدست آمده از شبکه‌های هوایی و بیماری‌های حیوانات، به 65 زبان را، برای کشف شیوع بیماری و پیش‌بینی پراکندگی بیماری، غربال کرد. سپس اپیدمیولوژیست‌ها این نتایج را مرور کرده و تایید کردند که نتیجه حاصل از نظر علمی اعتبار دارد. BlueDot اطلاعات حاصل شده را در اختیار مسئولان بهداشت عمومی، خطوط هوایی و بیمارستان‌ها قرار داد تا به آنها در پیش بینی و مدیریت بهتر خطرات کمک کند.
در ماه مارس، گروهی از متخصصان داوطلب به سرپرستی دیجی پاتیل دانشمند ارشد داده کاخ سفید برای کمک به یک ابزار برنامه‌ریزی سناریو که تأثیر بالقوه کوید-19 و پاسخ به سوالاتی مانند “به چند تخت بیمارستانی نیاز خواهیم داشت؟ ” یا “تا کی باید دستور پناهندگی در محل صادر کنیم؟” با یکدیگر همکاری کردند. آنها به یک مدل منبع باز نیاز داشتند تا بتوانند برنامه‌های تدافعی را در راستای مبارزه با عفونت و برنامه بستری در بیمارستان را ترتیب دهند.
این گروه با همکاری نزدیک با AWS و دانشکده بهداشت عمومی جانس هاپکینز بلومبرگ، این مدل را به ابر منتقل کردند و به آنها امکان اجرای چندین سناریو در فقط چند ساعت و اجرای مدل را در 50 ایالت ملی و بین المللی ارائه دادند تا به تصمیم گیری‌هایی کمک کند که مستقیماً روی گسترش جهانی کوید-19 تأثیر داشت.
سازمان‌ها همچنین روش‌های کمتر کردن شیوع کوید_19، به ویژه در میان جمعیت آسیب پذیر، را بررسی کردند. Closedloop، یک استارت آپ هوش مصنوعی است که از داده‌های مراقبت‌های بهداشتی خود برای شناسایی افراد در معرض خطر عوارض شدید ناشی از کوید-19 استفاده میکند. Closedloop یک شاخص آسیب پذیری کوید_19، یک مدل پیش بینی مبتنی بر هوش مصنوعی، افراد را که در معرض خطر عوارض شدید ناشی از کوید-19 هستند، با استفاده از منابع باز شناسایی کرد. این شاخص C-19 توسط سیستم‌های مراقبت‌های بهداشتی، سازمان‌های مدیریت مراقبت و شرکت‌های بیمه برای شناسایی افراد پرخطر مورد استفاده قرار میگیرد، سپس دانش حاصل اعلام می‌گردد تا اهمیت شستن دست‌ها و رعایت فاصله‌های اجتماعی را به همه اعلام کند و همچنین اهمیت تهیه مواد غذایی، دستمال توالت، و سایر لوازم ضروری برای اینکه بتوانند در خانه بمانند، را مطرح میکند.
سرعت بخشیدن به پژوهش و درمان
ارائه دهندگان خدمات بهداشتی و محققان با حجم فزاینده ای از اطلاعات در مورد کوید-19 روبرو هستند، که به دست آوردن بینش‌هایی که بتواند برای درمان مفید باشد، کار را دشوار میکند. در پاسخ، AWS پژوهشی را بر کوید-19 انجام داد، AWS یک وب سایت جستجوی جدید مجهز به یادگیری ماشین است، این وب سایت به محققین کمک میکند که بتوانند سریع و راحت مقالات و اسناد پژوهشی مرتبط با سوالاتی مانند “چه زمانی بالاترین احتمال به آلوده شدن به کوید-19 وجود دارد؟” را پیدا کنند.
این راه حل یادگیری ماشینی که در انستیتوی آلن برای مجموعه اطلاعات تحقیق کوید-19 با بیش از 128،000 مقاله تحقیقی و سایر مطالب ایجاد شده است، میتواند اطلاعات پزشکی مربوطه را از متن بدون ساختار استخراج کرده و از قابلیت‌های پرس و جو در زبان طبیعی قوی برخوردار است و به کشف سریع دارو کمک میکند.
BenevolentAI، یک شرکت AI در انگلستان و مشتری AWS، بسترهای خود را به سمت درک واکنش بدن به کرونا ویروس سوق داد. آنها تحقیقاتی را با استفاده از بستر کشف داروی AI برای شناسایی داروهای تأیید شده که می‌‌توانند پیشرفت ویروس کرونا را مهار کنند، آغاز کردند. آنها از یادگیری ماشینی برای دستیابی به روابط متنی بین ژن‌ها، بیماری‌ها و داروها استفاده کردند که در نهایت به پیشنهاد چند ترکیب دارویی منجر شد. فقط در طی چند روز، هوش مصنوعی Benevolent کشف کرد که داروی Baricitinib (دارویی که در حال حاضر برای آرتریت روماتید استفاده میشود) قوی ترین گزینه است. Baricitinib اکنون در مرحله آخر آزمایش بالینی موسسه ملی آلرژی‌ها و بیماری‌های عفونی ایالات متحده (NIAID) قرار دارد تا اثر بخشی و ایمنی این دارو به عنوان یک درمان بالقوه برای بیماران مبتلا به کوید-19 بررسی شود. سرعت آزمایش‌های بالینی این دارو، بیانگر همه گیری جهانی این بیماری و اهمیت AI در تسهیل کشف درمان‌های جدید است.
سخن آخر
هوش مصنوعی ابزاری آینده‌نگر و مفید برای شناسایی عفونت‌های زودرسی مانند ویروس کرونا است و همچنین به نظارت بر وضعیت بیماران آلوده کمک میکند. با ایجاد الگوریتم‌های مفید میتواند به طور قابل توجهی تصمیم گیری را بهبود بخشد. هوش مصنوعی نه تنها در درمان مبتلایان به کوید-19 بلکه برای نظارت بر سلامتی آنها مفید است. هوش مصنوعی میتواند بحران کوید-19 را در مقیاس‌های مختلف مانند عرصه‌های پزشکی، مولکولی و اپیدمیولوژیکی ردیابی کند. همچنین تسهیل تحقیقات در مورد این ویروس با استفاده از تجزیه و تحلیل داده‌های موجود مفید است. هوش مصنوعی میتواند در ایجاد رژیم‌های درمانی مناسب، راهکارهای پیشگیری، ساخت دارو و واکسن کمک کند.
برای مطالعه بیشتر در زمینه هوش مصنوعی و کاربردهای آن به بلاگ عامر اندیش مراجعه کنید.
