به گزارش خبرنگار گروه علم و فناوری ایسکانیوز، هوش مصنوعی در مراقبتهای مرتبط با سلامت به معنای استفاده از الگوریتمها و نرمافزارهاست تا تقریباً شناخت انسان را در تجزیه و تحلیل اطلاعات پزشکی پیچیده مورد استفاده قرار دهد. بهطور خاص، هوش مصنوعی توانایی الگوریتمهای کامپیوتری برای به دست آوردن نتایج بدون درنظر گرفتن مستقیم انسان است.
آنچه تکنولوژی هوش مصنوعی را از تکنولوژیهای قدیمی در مراقبتهای مرتبط با سلامت متمایز میکند، توانایی کسب اطلاعات، پردازش آن و ارائه خروجی بهطور دقیق به کاربر نهایی است.
هدف اولیه برنامههای کاربردی هوش مصنوعی مرتبط با سلامت، تحلیل روابط بین تکنیکهای پیشگیری یا درمان و نتایج بیماران است؛ اما برنامههای هوش مصنوعی به شیوههایی مانند فرآیندهای تشخیص، توسعه پروتکل درمان، توسعه دارو، پزشکی شخصی و نظارت و مراقبت از بیمار، اعمال شده است. موسسات پزشکی مانند کلینیک Mayo، مرکز سرطان Memorial Sloan Kettering ، بیمارستان عمومی ماساچوست و سرویس سلامت همگانی، الگوریتمهای هوش مصنوعی را برای بخشهای آنها توسعه دادهاند.
شرکتهای بزرگ فناوری مانند آیبیام و گوگل و شرکتهای نوپایی مثل Welltok وAyasdi، الگوریتمهای هوش مصنوعی در این زمینه را توسعه دادهاند. علاوه بر این بیمارستانها به دنبال حمایت از طرحهای عملیاتی هستند که صرفه جویی در هزینه را افزایش دهید، بهبود رضایت بیمار و برآوردن نیازهای میشوند. شرکتهایی مانند بیمارستان IQ در حال راه اندازی راهکارهای تحلیل پیشبینی شده هستند که به رهبران مراقبتهای مرتبط با سلامت، کمک میکند تا از طریق افزایش بهرهوری، کاهش زمان درمان بیمار، کاهش زمان ماندن بیمار در بیمارستان و بهینهسازی سطح کارکنان، بهرهوری را بهبود بخشد.
جواد وحیدی عضو هیات علمی دانشگاه علم و صنعت ایران در گفتوگو با خبرنگار گروه علم وفناوری ایسکانیوز ، به تاریخچه هوش مصنوعی در پزشکی اشاره کرد و گفت: نتیجه پژوهش در دهههای ۱۹۶۰ و ۱۹۷۰ ساخت اولین برنامه حل کننده مسئله به نام Dendral بود، در حالی که برای برنامههای کاربردی در شیمی آلی طراحی شده بود، اساس سیستم بعدی MYCIN را فراهم کرد. یکی از مهمترین استفادههای اولیه از هوش مصنوعی در پزشکی بود. با این حال، MYCIN و دیگر سیستمهای مانند INTERNIST-1 و CASNET، از طرف پزشکان بهطور معمول مورد استفاده قرار نگرفتند.
وی تصریح کرد: دهه ۱۹۸۰ و دهه ۱۹۹۰ باعث افزایش تعداد میکرو رایانهها و سطح جدید اتصال به شبکه شد. در طی این زمان، محققان و توسعه دهندگان، به رسمیت شناخته شده بودند که سیستمهای هوش مصنوعی در مراقبتهای مرتبط با سلامت، باید به منظور عدم وجود اطلاعات کامل و براساس تخصص پزشکان طراحی شوند. رویکردها شامل تئوری مجموعه فازی، شبکههای بیزی و شبکههای عصبی مصنوعی، بر روی سیستمهای هوشمند محاسباتی در مراقبتهای مرتبط با سلامت کاربرد دارند.
وحیدی تاکید کرد: پیشرفت های پزشکی و تکنولوژی که در طول نیم قرن اخیر رخ دادهاست که باعث رشد و پیشرفت برنامههای کاربردی مرتبط با مراقبتهای مرتبط با سلامتی میشوند، که از جمله آن پیشرفت در قدرت پردازش که باعث جمعآوری سریع تر دادهها و پردازش سریعتر دادهها میشود. همچنین افزایش حجم و در دسترس بودن اطلاعات مربوط به وسایل شخصی و مراقبتهای مرتبط با سلامتی، شد پایگاههای توالی ژنومی، پیادهسازی گسترده سیستمهای ثبت الکترونیکی سلامت، پیشرفت در زمینههای پردازش زبان طبیعی(natural language processing) و بینایی رایانه ای (computer vision)، قادر ساختن ماشین ها برای تکثیر فرایندهای ادراکی انسانی وافزایش دقت عملهای جراحی به کمک رباتها از جمله پیشرفت های پزشکی و تکنولوژی در این عرصه است.
عضو هیات علمی دانشگاه علم و صنعت ایران، با بیان اینکه تخصصهای مختلف پزشکی نشان دهنده افزایش تحقیقات در مورد هوش مصنوعی است، گفت: تخصصی که بیشترین توجه را به خود جلب کرده، رادیولوژی است. توانایی تفسیر بر اساس تصویر میتواند به پزشکان در تشخیص درست کمک کند چراکه ممکن است پزشک جایی را بهطور تصادفی نادیده گرفته باشد.
وی ادامه داد: تحقیقاتی در دانشگاه استنفورد الگوریتمی را ساخته که میتواند بیماری ذات الریه را بهتر از رادیولوژیستها تشخیص دهد. کنفرانس رادیولوژی انجمن رادیولوژی آمریکای شمالی بخش بزرگی از برنامه خود را برای استفاده از هوش مصنوعی در تصویربرداری اجرا کردهاست. ظهور این تکنولوژی در رادیولوژی به عنوان یک تهدید توسط برخی متخصصان در نظر گرفته شدهاست، زیرا تکنولوژی میتواند کارهای خاصی را بهتر از متخصصان انسانی انجام دهد، و در حال حاضر نقش رادیولوژیستها را تغییر میدهد.
وحیدی افزود: افزایش پزشکی از راه دور، افزایش کاربرد برنامههای کاربردی هوش مصنوعی را نشان دادهاست. توانایی زیر نظر داشتن بیماران با استفاده از هوش مصنوعی، میتواند امکان انتقال اطلاعات به پزشکان را در صورت امکان فعالیت بیماری، فراهم کند. یک وسیله پوشیدنی ممکن است نظارت مستمر بر یک بیمار را امکانپذیر سازد و همچنین امکانپذیر کردن تشخیص تغییراتی را که ممکن است توسط انسان کمتر قابل تشخیص باشند.
عضو هیات علمی د انشگاه علم و صنعت ایران، تصریح کرد: انگیزههای بعدی شرکتهای بزرگی که در زمینههای مرتبط با سلامتی فعالیت میکنند و در حال ادغام با سایر شرکتهای فعال در این زمینه هستند، امکان دسترسی به دادههای بسیار بیشتر در زمینه سلامتی را فراهم میآورد و داشتن دادههای بیشتر باعث پیشرفت الگوریتمهای هوش مصنوعی در این زمینه میشود. بخش بزرگی از تمرکز صنایع از اجرای هوش مصنوعی در بخش مراقبتهای پزشکی در سیستمهای پشتیبانی تصمیمگیری بالینی است.
وی افزود: با افزایش میزان دادهها، سیستمهای پشتیبانی تصمیمگیری هوش مصنوعی کارآمدتر میشوند. شرکتهای متعددی در حال بررسی امکان ترکیب دادههای بزرگ در صنعت مراقبتهای مرتبط با سلامتی هستند.
وحیدی به شرکتهای بزرگی که با الگوریتمهای هوش مصنوعی برای استفاده از مراقبتهایی که به سلامتی کمک میکند، اشاره کرد و گفت: انستیتو واتسون آی بی ام(IBM’s Watson Oncology) در حال توسعه در مرکز سرطان Memorial Sloan Kettering و کلینیک کلیولند (Cleveland Clinic) است. آی بی ام در حال همکاری با CVS Health در برنامههای کاربردی هوش مصنوعی در درمان بیماریهای مزمن و با شرکت جانسون و جانسون(Johnson & Johnson) در تجزیه و تحلیل مقالات علمی برای پیدا کردن ارتباطات جدید برای توسعه دارو است.
وی تصریح کرد: پروژه مایکروسافت در هانوفر، در همکاری با مؤسسه سرطان نایت دانشگاه دانشگاه علوم پزشکی اورگان، تحقیقات پزشکی را برای پیشبینی بهترین گزینههای درمان سرطان برای بیماران انجام میدهد. پروژههای دیگر شامل تجزیه و تحلیل تصویر پزشکی پیشرفت تومور و توسعه سلولهای قابل برنامهریزی است.
حیدری ادامه داد: موضوع دیگر بحث پلت فرم Deep Mind شرکت گوگل توسط سرویس سلامت همگانی انگلستان برای شناسایی خطرات خاص سلامتی از طریق دادههای جمعآوری شده از طریق یک برنامه تلفن همراه استفاده میشود. پروژه دوم با NHS شامل تجزیه و تحلیل تصاویر پزشکی جمعآوری شده از بیماران NHS برای توسعه الگوریتمهای بینایی کامپیوتری برای تشخیص بافتهای سرطانی است. همچنین بازو سرمایهگذاری اینتل (Intel Capital)، به تازگی در استارتاپ Lumiata که با استفاده از هوش مصنوعی به دنبال شناسایی بیماران در معرض خطر و توسعه راههای مراقبت است، سرمایهگذاری کردهاست.
وی در رابطه با ورود استارتآپها در حوزه هوش مصنوعی پزشکی، گفت: اولین راه حل IDx، به نام IDx-DR توسط مایکل آبرامف به وجود آمدهاست، اولین و تنها سیستم مجاز هوش مصنوعی برای تشخیص خودمختار رتینوپاتی دیابتی است. به عنوان یک سیستم مبتنی بر هوش مصنوعی خود مختار، IDx-DR منحصر به فرد است که ارزیابی را بدون نیاز به یک متخصص بالینی انجام میدهد تا تصویر یا نتایج را تفسیر کند و آن را توسط ارائه دهندگان مراقبتهای پزشکی که ممکن است بهطور معمول مراقب دقت چشمی خود نباشند، قابل استفاده باشد.
وی تصریح کرد: یکی از شرکتهای تشخیصی هوش مصنوعی در این زمینه مامور است که کیفیت، دسترسپذیر بودن و مقرون به صرفه بودن خدمات پزشکی در سراسر جهان را تغییر دهد. به عنوان مثال Kheiron Medical نرمافزار یادگیری عمیق را برای تشخیص سرطان سینه در ماموگرافی را توسعه داد. همچنین Medvice مشاوره پزشکی واقعی را به مشتریان ارائه میدهد که میتوانند به آنها دسترسی داشته باشند و پروندههای بهداشت الکترونیکی خود را (EHRs) را در یک بلوک غیر متمرکز فراهم کنند.
وحیدی تاکید کرد: Medvice با استفاده از یادگیری ماشین به پزشکان در تصمیمگیری برای پیشبینی پرچم قرمز پزشکی (یعنی موارد اضطراری پزشکی که نیاز به کمک بالینی دارند) پیش از خدمت آنها کمک میکند. پیشگامان فناوریهای پزشکی از دادههای واحد مراقبتهای ویژه استفاده میکنند تا بیمارانی را که احتمال وقوع حوادث قلبی دارند، شناسایی کنند.
عضو هیات علمی د انشگاه علم و صنعت ایران، گفت: مدرنیزاسین پزشکی از دانش جمعآوری شده از متخصصان مراقبتهای پزشکی و همچنین دادههای نتایج بیمار برای توصیه درمان استفاده میکند. آزمایشگاه "Compassionate AI Lab" با استفاده از سلول شبکه، محل سلول و ادغام مسیر و با بهکارگیری یادگیری ماشین، افراد نابینا را هدایت میکند. Nimblr.ai با استفاده از هوش مصنوعی chatbot، برای اتصال سیستمهای برنامهریزی EHR و تأیید خودکار و برنامهریزی بیماران استفاده میشود.
وی همچنین به Infermedica نرمافزار رایگان تلفن همراه برای تشخیص علائم بیماری اشاره کرد و افزود نرمافزار رایگان تلفن همراه که در برنامههای جستجوگر علامت دارای امتیاز بالایی در GooglePlay است. این شرکت همچنین اولین دستیار صوتی مبتنی بر AI برای تشخیص علائم را ه سیستم عامل اصلی صوتی آمازون الکسا، کورتانا ی مایکروسافت و دستیار گوگل منتشر کرد.
وحیدی در ادامه به برنامههای مشاوره ای دیجیتال مانند Babylon Health's GP at Hand و Ada Health و Your.MD اشاره کرد و گفت: از هوش مصنوعی برای دادن مشاوره پزشکی براساس تاریخچه پزشکی شخص و دانش پزشکی رایج است، استفاده میکنند. کاربران علائم خود را به برنامه که از تشخیص گفتار برای مقایسه با پایگاه دادهای از بیماریها استفاده میکند، گزارش میدهند. سپس Babylon، با توجه به تاریخچه پزشکی کاربر، یک اقدام توصیه میکند.
وی تاکید کرد: کارآفرینان در مراقبتهای پزشکی بهطور مؤثر با استفاده از هفت مدل آرکه تایپ مدل کسب و کار، به راه حل هوش مصنوعی در بازار دست یافتند. این آرکه تایپها به ارزش تولید شده برای کاربر هدف (به عنوان مثال تمرکز بیمار در برابر ارائه دهنده مراقبتهای پزشکی و پرداخت کننده) و مکانیزمهای ارزش گذاری (به عنوان مثال ارائه اطلاعات یا اتصال به ذینفعان) بستگی دارند.
انتهای پیام/