![تغییرات آب و هوایی باعث پخش شدن ۱۰۰۰ گونه ناشناخته ویروس در دنیا میشود تغییرات آب و هوایی باعث پخش شدن ۱۰۰۰ گونه ناشناخته ویروس در دنیا میشود](https://cdn.fararu.com/files/fa/news/1403/6/12/2192177_612.jpg)
هوش مصنوعی به دستاوردهای پزشکی بسیاری منجر شده که از آن میان میتوان به نرمافزار مبتنی بر هوش مصنوعی برای مدیریت سوابق پزشکی و تشخیص شرایط سلامتی افراد اشاره کرد. بازار هوش مصنوعی به رغم چنین دستاوردهایی، هنوز نوپا به شمار میرود، اما به سرعت در حال گسترش است. هوش مصنوعی، فناوری مهمی با کاربردهای فراوان است و میتواند ابزار ارزشمندی برای حل مشکلات جهانی باشد.
به گزارش ایسنا، صنعت مراقبتهای بهداشتی مانند هر بخش دیگری، پیوسته توسط هوش مصنوعی و یادگیری ماشینی، در حال تغییر کردن است. هوش مصنوعی همان گونه که نحوه طراحی دستگاهها، بهینهسازی مصرف انرژی و مدیریت امور مالی را تغییر میدهد، فرصتها و خطرات جدیدی را برای مدیریت سلامت انسان به همراه دارد؛ از امکان به کارگیری یادگیری عمیق و شبکههای عصبی در کشف دارو گرفته تا پیچیدگی رو به رشد تشخیص مبتنی بر هوش مصنوعی و جراحی رباتیک. مشکلات جهانی، پیچیده هستند و هوش مصنوعی میتواند ابزار ارزشمندی باشد که تلاش انسان را در ارائه راهحلهایی برای مشکلات آزاردهنده تقویت کند. در این گزارش، به چند کاربرد هوش مصنوعی در حوزه پزشکی پرداختهایم.
رادیولوژیستها به زودی میتوانند با کمک یک الگوریتم هوش مصنوعی، تشخیص خود را در مورد «آنوریسم مغزی» (Cerebral aneurysm) بهبود بخشند. پژوهشگران دانشگاه استنفورد موفق شدند یک الگوریتم مبتنی بر هوش مصنوعی را برای تشخیص «آنوریسم مغزی» آموزش دهند. آنوریسم مغزی، شرایطی است که به ورم رگهای خونی در مغز میانجامد و میتواند به فشار داخل عروق، سکته و یا مرگ مغزی منجر شود. آنوریسم که در اندازهها و شکلهای گوناگونی ظاهر میشود، یک بیرون زدگی است که به صورت حباب در جدار شریانهای مغزی خود را نشان میدهد.
این ابزار مبتنی بر هوش مصنوعی که توسط پژوهشگران «دانشگاه استنفورد» (Stanford University) ابداع شده، میتواند آن دسته از نواحی مغز را که احتمال آنوریسم مغزی در آنها وجود دارد، اسکن کند.
«آلیسون پارک» (Allison Park)، از فارغالتحصیلان دانشگاه «استنفورد» و سرپرست این پژوهش گفت: در حال حاضر نگرانیهای بسیاری در مورد به کار گرفتن هوش مصنوعی در حوزه پزشکی وجود دارد. این پژوهش میتواند مثال خوبی در مورد استفاده از هوش مصنوعی در این حوزه و کمک آن به انسان در فرآیند تشخیص باشد.
این ابزار جدید که با کمک یک الگوریتم هوش مصنوعی موسوم به «هد ایکس نت» (HeadXNet) ساخته شده، توانست توانایی پزشکان را برای شناسایی صحیح آنوریسم مغزی افزایش دهد و از عهده شناسایی شش نوع آنوریسم مغزی در ۱۰۰ اسکن برآید.
اگرچه موفقیت هد ایکس نت در این آزمایشها امیدوارکننده بوده، اما پژوهشگران تاکید دارند که برای ارزیابی کاربرد هوش مصنوعی در جهان واقعی، به بررسیهای بیشتری نیاز است.
ادغام اسکنهای مغزی برای یافتن نشانههای آنوریسم، به ثبت و بررسی صدها تصویر نیاز دارد.
الگوریتم پس از آموزش توانست اسکنهایی که آنوریسم در آنها وجود داشت، مشخص کند. با کمک این الگوریتم، تصمیمگیری در مورد اسکنها برای پزشکان سادهتر خواهد بود.
شرکت هوش مصنوعی گوگل موسوم به «دیپمایند» (DeepMind)، نوعی سیستم هوش مصنوعی طراحی کرده که میتواند بیش از ۵۰ بیماری چشمی را تنها با بررسی اسکن سهبعدی شبکیه تشخیص دهد. «دیپمایند»، این پژوهش را با همکاری بیمارستان چشم «مورفیلدز» (Moorfields) لندن انجام داده است. این شرکت در نظر دارد با تمرکز بر هوش مصنوعی، همه مواردی که میتوانند منجر به بروز بیماریهای خطرناک چشم شوند، تشخیص دهد و پیشنهاداتی برای انتخاب مناسبترین نوع درمان به بیماران ارائه کند. بدین ترتیب، با استفاده از این سیستم، تعداد افرادی که بینایی خود را از دست میدهند، کاهش خواهد یافت.
«مصطفی سلیمان» (Mustafa Suleyman)، رئیس بخش هوش مصنوعی کاربردی شرکت دیپمایند گفت: نکته مهم این است که هوش مصنوعی، «توضیحپذیر» است؛ در نتیجه پزشکان میتوانند به پیشنهادات آن اطمینان کنند. در این سیستم، هوش مصنوعی، پیکسلهایی را روی اسکن چشم مشخص میکند که با نشانههای بیماری مطابقت دارند.
پژوهشگران «دانشکده پزشکی دانشگاه بوستون» (BUSM)، یک روش جدید مبتنی بر هوش مصنوعی ابداع کردهاند تا به پیشبینی بیماری پیشرونده و مزمن کلیه بپردازند. این گروه پژوهشی متشکل از پنج متخصص اعصاب و روان با استفاده از یک نرمافزار، به بررسی میزان آسیب در بافتهای کلیه پرداختند. پژوهشگران برای الگوبرداری از روش متخصصان بیماریهای اعصاب و روان، از هوش مصنوعی برای ترکیب الگوها و ویژگیهای قسمتهای فرعی و همچنین تصویر بافت کلیه استفاده کردند. به واسطه ترکیب این دادهها، یک مدل یادگیری عمیق برای پیشبینی سطح آسیب کلیوی طراحی شد.
محققان باور دارند مدلهای مبتنی بر هوش مصنوعی که میتوانند میزان آسیب مزمن را به صورت خودکار تشخیص دهند، دومین گزینه در اقدامات بالینی هستند و ممکن است که نهایتا بتوان از این روش برای بررسی سایر موارد آسیبشناسی اندام استفاده کرد که بر ارزیابی فیبروز متمرکز است.
مطالعه محققان دانشگاه «یورک» که با همکاری علی صادقی نائینی انجام شده، حاکی از آن است که یک تکنیک خلاقانه مبتنی بر هوش مصنوعی (AI) که آنها توسعه دادهاند در پیشبینی تاثیر روشهای درمانی در بیماران مبتلا به متاستاز مغزی به طور قابلتوجهی مؤثرتر از چشم انسان است. محققان این مطالعه امیدوارند که تحقیقات و فناوری جدید آنها در نهایت بتواند به برنامههای درمانی مناسبتر و نتایج سلامت بهتری برای بیماران سرطانی منجر شود.
علی صادقی نائینی، رئیس بخش پژوهشی دانشگاه یورک و استاد مهندسی پزشکی و علوم کامپیوتر در دانشکده مهندسی لاسوند، گفت: این یک تحلیل پیچیده و جامع از ام. آر. آی برای یافتن ویژگیها و الگوهایی است که معمولا توسط چشم انسان ثبت نمیشوند. ما امیدواریم که تکنیک ما، که یک روش جدید پیشبینی مبتنی بر هوش مصنوعی برای تشخیص عیوب رادیوتراپی در متاستاز مغز است، بتواند به انکولوژیستها و بیماران کمک کند تا تصمیمات آگاهانهتری بگیرند و درمان را در شرایطی که زمان بسیار مهم است، انجام دهند.
مطالعات قبلی نشان دادهاند که با استفاده از روشهای استاندارد مانند تصویربرداری ام. آر. آی، ارزیابی اندازه، محل و تعداد متاستازهای مغزی و همچنین نوع سرطان اولیه و وضعیت بیمار، انکولوژیستها قادر به پیشبینی شکست درمان در حدود ۶۵ درصد مواقع هستند. محققان چندین مدل هوش مصنوعی را ایجاد و آزمایش کردند و بهترین مدل آنها دقت ۸۳ درصدی داشت.
صادقی نائینی گفت: همه تومورها به تشعشع پاسخ نمیدهند و در ۳۰ درصد از این بیماران حتی پس از درمان، تومور به رشد خود ادامه میدهد. این اتفاق اغلب تا ماهها پس از درمان از طریق ام. آر. آی کشف نمیشود. پیشبینی نحوه پاسخ درمانی قبل از شروع درمان بسیار مهم است.
محققان با استفاده از تکنیک یادگیری ماشینی معروف به یادگیری عمیق، شبکههای عصبی مصنوعی را ایجاد کردند که آن شبکههای عصبی مصنوعی بر روی مجموعهای از دادهها آموزش دیده بودند، سپس در گام بعد محققان به هوش مصنوعی آموزش دادند که به مناطق خاص توجه بیشتری داشته باشد.
صادقی نائینی توضیح میدهد: وقتی به ام. آر. آی نگاه میکنید، مناطقی را در داخل یا اطراف تومور میبینید که شدت و الگوی آن متفاوت است، بنابراین با سیستم بینایی خود بیشتر به آن قسمتها توجه میکنید. اما یک الگوریتم هوش مصنوعی نسبت به این موضوع عملکرد خوبی ندارد. مکانیسم توجهی که ما در الگوریتم گنجاندهایم به این ابزارهای هوش مصنوعی کمک میکند تا یاد بگیرد کدام قسمت از این تصاویر مهمتر هستند و برای تجزیه و تحلیل و پیشبینی زمان بیشتری روی آنها بگذارند.
صادقی نائینی میگوید، در حالی که باید تحقیقات بیشتری انجام شود، یافتهها نشان میدهد که هوش مصنوعی ابزار بالقوه مهمی در مدیریت دقیق متاستاز مغز و حتی سایر انواع سرطان است. گام بعدی برای پذیرش این روش به عنوان یک ابزار بالینی، بررسی یک گروه بزرگتر با مجموعه دادههای چند نهادی است.
یک مدل جدید هوش مصنوعی قادر است با بررسی دادههای تصویربرداری مغزی، شرایط سلامت روان را ارزیابی کند تا الگوهای مرتبط با اوتیسم، اسکیزوفرنی و آلزایمر را بیابد. این مدل هوش مصنوعی میتواند کار خود را پیش از آغاز نشانههای بیماری انجام دهد. این مدل ابتدا با تصاویر مغز بزرگسالان سالم و سپس با تصاویر مغز افراد مبتلا به مشکلات روانی آموزش داده شد تا بتواند تغییرات کوچکی را که چشم انسان به آنها توجه نمیکند، تشخیص دهد.
این برنامه رایانهای پیچیده توسط گروهی از پژوهشگران «دانشگاه ایالتی جورجیا» (Georgia State) ساخته شده است و به گفته آنها شاید روزی بتواند آلزایمر را در ۴۰ سالگی یک فرد تشخیص دهد؛ یعنی حدود ۲۵ سال پیش از شروع نشانههای بیماری. ابتلای زودهنگام به چنین بیماریهایی، بیماران را وادار میکند تا درمانهایی را دریافت کنند که فشار بیماری روانی را کاهش میدهد.
هوش مصنوعی با مجموعه بزرگی از دادههای مربوط به بیش از ۱۰ هزار نفر آموزش داده شد تا تصویربرداری «تشدید مغناطیسی کارکردی» یا افامآرآی (fMRI) را درک کند که فعالیت مغز را با تشخیص تغییراتی در جریان خون مورد بررسی قرار میدهد. هنگامی که هوش مصنوعی توانست افامآرآی اولیه را بخواند، پژوهشگران آن را با مجموعه دادههای مربوط به بیش از ۱۲۰۰ نفر تغذیه کردند که به بیماریهای روانی شامل اوتیسم، اسکیزوفرنی و آلزایمر مبتلا بودند. این سیستم توانست الگوهای مختلفی را برای هر سه بیماری تشخیص دهد.
پژوهشگران خاطرنشان کردند که استفاده از افامآرآی توسط انسان برای شناسایی بیماریهای روانی میتواند پرهزینه باشد، زیرا انسان باید با دقت دادهها را بررسی کند، اما استفاده از هوش مصنوعی به طور چشمگیری هزینه و زمان را کاهش میدهد.
پژوهشگران دانشگاه وست اسکاتلند (UWS) بر این باورند که هوش مصنوعی پیشگامانه آنها میتواند به کاهش استرسها و تقاضاهای زمستانی در بیمارستانها کمک کند. این رویکرد نوآورانه با استفاده از هوش مصنوعی، به طور خودکار بیماریهای ریوی مانند ذاتالریه و سل را تشخیص میدهد. هم بیماری سل و هم بیماری ذاتالریه میتوانند عفونتهای جدی در پی داشته باشند و ریهها را تحت تأثیر شدید قرار دهند.
تشخیص بیماریهای ریوی معمولاً نیاز به آزمایشهای مختلف تشخیصی دارد که اغلب شامل استفاده از پرتوی ایکس، آزمایش خون، سونوگرافی و سیتی اسکن است. همچنین آماده شدن نتایج این آزمایشها معمولاً زمان زیادی میبرد و ممکن است پرهزینه باشند. نرمافزار خلاقانه هوش مصنوعی پژوهشگران دانشگاه وست اسکاتلند با تجهیزاتی که در ابتدا برای تشخیص سریع کووید-۱۹ از تصاویر پرتو ایکس ساخته شده بود، توسعه یافته است.
این نرمافزار هوش مصنوعی برخلاف آزمایشهای تشخیصی که ممکن است زمان زیادی طول بکشد تا به نتیجه برسند، میتواند بسیاری از بیماریهای ریوی را تنها ظرف چند دقیقه تشخیص دهد و میزان دقت آن در حدود ۹۸ درصد است. به دلیل شیوع بیماری کووید، بیمارستانها با کمبود نیروی کار مواجه شدهاند و این گروه پژوهشی با توسعه این هوش مصنوعی جدید در پی کاهش استرس هستند.
پروفسور نعیم رمضان، استاد و پژوهشگر دانشگاه وست اسکاتلند میگوید: سیستمهایی مانند این میتوانند برای تیمهای پرمشغله پزشکی در سراسر جهان حیاتی باشند. شکی نیست که بخشهای بیمارستانی در سراسر جهان تحت فشار هستند و شیوع کووید-۱۹ این موضوع را تشدید کرده و فشار بیشتری را به بخشها و کارکنان تحت فشار وارد کرده است. وی افزود: نیاز واقعی به فناوریهایی وجود دارد که بتواند به کاهش برخی از این فشارها و تشخیص سریع و دقیق طیف وسیعی از بیماریهای مختلف و همچنین به آزاد کردن زمان ارزشمند کارکنان کمک کند.
پروفسور رمضان میگوید: تصویربرداری پرتوی ایکس یک ابزار تشخیصی نسبتا ارزان و در دسترس است که در حال حاضر به تشخیص بیماریهای مختلف از جمله ذاتالریه، سل و کووید-۱۹ کمک میکند و پیشرفتهای اخیر در هوش مصنوعی، تشخیص خودکار با استفاده از اسکن پرتوی ایکس قفسه سینه را به یک چشمانداز قابل دستیابی در فرآیندهای پزشکی تبدیل کرده است.
این هوش مصنوعی جدید از تصویربرداری پرتوی ایکس استفاده میکند و آن را با پایگاه دادهای از هزاران تصویر از بیماران مبتلا به ذات الریه، سل و کووید مقایسه میکند. سپس از یک فرآیند هوش مصنوعی به نام شبکه عصبی پیچشی عمیق (CNN) (نوعی یادگیری عمیق برای پردازش دادهها) برای تشخیص استفاده میکند. شبکه عصبی پیچشی، الگوریتمی است که تصاویر را تجزیه و تحلیل میکند. در مرحله آزمایش این مطالعه، این تکنیک ۹۸ درصد دقیق بود و ثابت کرد که روشی دقیق برای تشخیص بیماران مبتلا به بیماریهای ریوی است.
پژوهشگران این دانشگاه میخواهند ببینند که آیا این روش هوش مصنوعی میتواند برای تشخیص بیماریهای دیگر با استفاده از آزمایشهای تشخیصی و هوش مصنوعی ترکیبی استفاده شود یا خیر.
دیگر کاربرد خوب هوش مصنوعی، کمک کردن به افراد ناتوان برای غلبه بر مشکلات است. شرکت «هوآوی» (Huawei) در این راستا، از هوش مصنوعی و واقعیت افزوده برای ابداع یک اپلیکیشن رایگان تلفن همراه موسوم به «استوریساین» (StorySign) استفاده کرد که به کودکان ناشنوا کمک میکند تا با ترجمه متن به زبان اشاره، خواندن را بیاموزند. این شرکت، ابزار مقرون به صرفهای موسوم به «ترک. آی» (Track. Ai) را نیز ابداع کرده است که استفاده از آن بسیار ساده است و میتواند اختلالات بصری را در کودکان شناسایی کند؛ در نتیجه میتوان درمان را پیش از اینکه اختلالات موجب نابینایی شوند، آغاز کرد.
اپلیکیشن «فیسینگ ایموشنز» (Facing Emotions)، دیگر اپلیکیشن شرکت هوآوی است که احساسات را به شکل صداهای کوتاه و ساده ارائه میدهد. این اپلیکیشن، احساسی را که در چهره دیگران میبیند، مورد ارزیابی قرار میدهد تا به کاربر در دیدن احساس مخاطب او کمک کند. این اپلیکیشن برای ارزیابی بینی، دهان، ابروها و چشمها، دوربین عقب تلفن همراه را به کار میگیرد و از هوش مصنوعی برای تحلیل احساسات چهره افراد مانند احساس خشم، ترس، انزجار، ناراحتی، شادی و شگفتی استفاده میکند.
هوش مصنوعی میتواند به بهبود سامانه مراقبت از سلامت کمک کند. یک شرکت آلمانی موسوم به «زیمنس هلثینیر» (Siemens Healthineers) که در حوزه فناوری پزشکی فعالیت دارد، هوش مصنوعی را برای ابداع فناوریهای نوین حوزه سلامت به کار میگیرد.
یکی از این فناوریها موسوم به «AI-Rad Companion. ۴»، نوعی دستیار رادیولوژی است که کار بررسی تصویرهای پزشکی را انجام میدهد. دیگر فناوری موسوم به «AI-Pathway Companion ۵»، بینشهایی را در مورد آسیبشناسی، تصاویر پزشکی، آزمایشگاه و پزشکی ارائه میدهد. دادههای ارائه شده در مورد هر بیمار، متفاوت هستند و AI-Pathway Companion ۵ براساس این دادهها، مراحل بعدی درمان را نشان میدهد.