به گزارش سبز سرخ ؛ گسترش دانش در حوزه پزشكی و پیچیدگی تصمیمات مرتبط با تشخیص و درمان (به عبارتی حیات انسان) توجه متخصصین را به استفاده از سیستمهای پشتیبان تصمیمگیری در امور پزشكی جلب نموده است. در این بین، استفاده از انواع مختلف سیستمهای هوشمند در پزشكی رو به افزایش است، به طوری كه امروزه تأثیر انواع سیستمهای هوشمند در پزشكی مورد مطالعه قرار گرفته است.
هوش مصنوعی شاخهای گسترده از علوم کامپیوتر است که منجر به تولید ماشینهای هوشمند میگردد. یک ماشین هوشمند قادر به انجام مواردی است که معمولا به هوش انسانی نیازمندند، مواردی از قبیل ادراک بصری، تشخیص گفتار، تصمیمگیری و…. هوش مصنوعی، مجموعهای از کدهای برنامهنویسی شده است که کامپیوتر را قادر میسازد تا همانند یک انسان بیندیشد، احساس کند و رفتار نماید. در توصیف این فناوری میتوان گفت که انسان، خود در حال توسعه هوشی فراتر از هوش انسانی است. زیرا یک ربات هوشمند بر اثر آموزههایی که از دانشمندان انسانی فرامیگیرد، میآموزد که چگونه مانند یک انسان و یا حتی بهتر از آن عمل نماید.
هوش مصنوعی قادر به خودکارسازی امور، پردازش دادههای پیچیده، پیشبینی اعمال، علامتگذاری دستورات، برچسبگذاری خطاها و… است.
کاربرد هوش مصنوعی
پیشبینی و پیشگیری ریسک بیماریهای قلبی_عروقی، تست عملکرد ریوی، کنترل تستهای قند خون، پیشبینی GFR و بیماریهای کلیوی، تصویربرداری تشخیصی در مشکلات گوارشی، نورولوژی(مغز و اعصاب)، تشخیص صرع و مانیتور تشنج، ارزیابی راه رفتن، وضعیت بدن و لرزش، تشخیص سرطان در هیستوپاتولوژی، تصویربرداری پزشکی و اعتبارسنجی فناوریهای مبتنی بر هوش مصنوعی.
هوش مصنوعی به عنوان یکی از جدیدترین و پرکاربردترین حوزههای علوم رایانه، بر آن است تا با هوشمندسازی رایانهها و ماشینها، کاربردهای حیاتی در فناوریهای مختلف و از جمله علم پزشکی به منظور ضریب عملکرد موفق بالا در تشخیص و درمان بیماریها ارائه دهد. عبارت «تکنولوژی پزشکی» به طور گسترده برای پرداختن به طیف وسیعی از ابزارها استفاده میشود که میتواند متخصصان سلامت را قادر سازد تا با انجام تشخیص زودهنگام، کاهش عوارض، کاهش مدت بستری شدن در بیمارستان، بهینهسازی درمان و یا ارائه گزینههای کمتر تهاجمی، کیفیت زندگی بهتری را برای بیماران و جامعه فراهم کنند.
نخستین فناوری بر پایه هوش مصنوعی در پزشکی، نامگذاری برگرفته از پسوند نام آنتی بیوتیکها بود که در دهه ۷۰ میلادی در دانشگاه پرینستون برای تشخیص عفونتهای منتقل شونده از طریق خون مورد استفاده قرار گرفت، ولی به دلیل تعدد و پیچیدگی بالای الگوریتمهای ارائه شده و عدم موفقیت قابل قبول، عملا استفاده از آن با شکست روبه رو شد.
امروزه با اصطلاحات و مطالعات گسترده و همچنین افزایش توان رایانهها در پردازش اطلاعات، کاربرد هوش مصنوعی در پزشکی و شاخههای مرتبط مانند داروسازی و ژنتیک تا حد زیادی بهبود و توسعه یافته است. به عنوان مثال به مواردی مانند تجربه اخیر کاربرد هوش مصنوعی در تشخیص و تفسیر نتایج حاصل از روشهای مختلف تصویربرداری پزشکی در درمان بیماریهایی مانند کرونا، کشف ملکولهای مؤثرتر در ساخت داروهای جدید، توانایی تشخیص الگوهای ژنتیکی منجر به بیماریهای خاص و غیره اشاره کرد که درصد عملکرد صحیح بالایی از خود نشان داده است.
تأثیر هوش مصنوعی در مهار کرونا
چالشهایی که همهگیری COVID-۱۹ برای بسیاری از سیستمهای بهداشتی ایجاد کرد، بسیاری از سازمانهای مراقبتهای بهداشتی در سراسر جهان را به آزمایش میدانی فناوریهای جدید پشتیبانی شده از هوش مصنوعی، مانند الگوریتمهای طراحیشده برای کمک به نظارت بر بیماران و ابزارهای مجهز به هوش مصنوعی برای غربالگری COVID-۱۹ سوق داد.
تحقیقات و نتایج این آزمایشها هنوز در حال جمعآوری است و استانداردهای کلی برای استفاده از هوش مصنوعی در پزشکی هنوز در حال تعریف است. با این حال، فرصتهای هوش مصنوعی برای بهرهمندی از پزشکان، محققان و بیمارانی که به آنها خدمات میدهند به طور پیوسته در حال افزایش است. در این مرحله، تردید کمی وجود دارد که هوش مصنوعی به بخش اصلی سیستمهای سلامت دیجیتالی تبدیل خواهد شد که پزشکی مدرن را شکل داده و از آن پشتیبانی میکند.
یکی از بهترین مزیتهای هوش مصنوعی، امکان تشخیص و درمان بیماری کرونا از راه دور بود که خطر ابتلا کادر درمان را نیز کاهش میداد.همچنین پیشبینی کانونهای نوظهور کووید ۱۹ با استفاده از ردیابی تماس و دادههای مسافران پرواز، از دستاوردهای مؤثر هوش مصنوعی بود. ردیابی تماس بهعنوان یک اقدام کنترل بیماری، توسط مقامات دولتی برای محدود کردن گسترش این بیماری استفاده میشد. این فرآیند بهمنظور تماس و اطلاعرسانی به افرادی که در معرض ابتلا به این بیماری قرار گرفتهاند و نیاز به قرنطینه آنها بود، کاربرد داشت.
فوریتهای پزشکی و هوش مصنوعی
در صورت بروز یک حمله قلبی ناگهانی، فاصله زمانی تماس با آمبولانس تا رسیدن آن به مقصد بسیار حیاتی است. اگر تکنیسین فوریت پزشکی بتواند بموقع علائم ایست قلبی را تشخیص بدهد، شانس زنده ماندن بیمار بیشتر خواهد شد؛ اینجاست که هوش مصنوعی با شناسایی سرنخهای کلامی و غیرکلامی تماس گیرندگان، قادر به تشخیص علائم بیمار از راه دور خواهد بود.
به عنوان مثال Corti یک ابزار هوش مصنوعی است که به کارکنان پزشکی اورژانس کمک میکند تا علائم را شناسایی کند. این ربات از طریق تجزیه و تحلیل صدای تماسگیرنده، صدای پسزمینه و سابقه پزشکی بیمار، در صورت تشخیص حمله قلبی به کارکنان اورژانس هشدار میدهد. در برخی از شهرهای اروپایی، علیرغم تشخیص درست ۷۳ درصدی ایست قلبی از طریق سنتی، هوش مصنوعی این آمار درست را افزایش داد. بنابراین کاربرد هوش مصنوعی در پزشکی از راه دور یکی دیگر از موارد استفاده از هوش مصنوعی در زمینه درمان و پزشکی است.
کاربرد دیگر این سیستمها در حوزه توانبخشی حرکتی است. توانبخشی حوزهای است که در آن با استفاده از یک ساختار رباتیک به همراه یک واسطه کامپیوتری کمک میکنند تا بیماری که بخشی از توانایی حرکت خود را از دست داده است زودتر بهبود یابد. روش عمده در این کار استفاده از بازیهای سادهای است که علیرغم درگیر کردن بیمار و ترغیب او به انجام تمرین، با تغییراتی که بر روی میزان سختی سامانه رباتیک متصل به بدن بیمار میکند، سعی در برگرداندن تدریجی توانایی عضلات بیمار به او بنماید.
چالشها و نگرانیها
هوش مصنوعی این پتانسیل را دارد که روش تشخیص، درمان و پیشگیری از بیماریها را متحول کند. پیشرفت این فناوری درحالی رو به افزایش است که هنوز نگرانیها و چالشهای متعددی درمورد آن وجود دارد.
با وجود مزایای زیاد، به كارگیری سیستمهای هوش مصنوعی در پزشكی با موانع و چالشهای بسیار زیاد و جدی روبه رو است. از جمله این محدودیتها میتوان به محدودیت تكنولوژی و هزینه سیستم اشاره كرد. از طرفی، عملكرد آنها مستلزم به روزرسانی مداوم است. برخی بر این باورند كه وابستگی به سیستم هوشمند ممكن است در بلندمدت میزان ابتكار را كاهش دهد.
سیستمهای هوش مصنوعی در حوزه مشخصی كاربرد دارند و برای نمونه برای تشخیص یك بیماری خاص مورد استفاده قرار میگیرند. این موضوع سؤالاتی را پیش میآورد: «آیا برای تمام بیماریها چنین سیستمهایی مورد نیاز است؟ در مورد كدام بیماریها باید چنین سیستمهایی را طراحی كرد؟ آیا سیستمهای مختلف برای تشخیصهای مختلف باید با یكدیگر یكپارچه شوند؟ یكپارچگی آنها چگونه باید انجام شود؟ آیا باید پایگاه دانش جامع و مشترك در حوزههای مختلف طراحی گردد؟» در ظاهر این موارد باعث شدهاند تا سیستمهای هوش مصنوعی به طور عمومی در قالب امور پژوهشی مطرح باشند و كمتر دیده میشود كه چنین سیستمهایی به طور واقعی در عمل مورد استفاده قرار گیرند. در صورتی كه این سیستمها باید با امور بالینی جاری ادغام شوند تا بتوان انتظار داشت كه بر كیفیت تصمیمها تأثیر بگذارند.
گزارش – حدیث کوهینژاد
انتهای پیام/
Thursday, 3 October , 2024