توسط : امروزه هوش مصنوعی همانند یک دستیار دقیق، سریع و قدرتمند در کنار پزشکان، در حال کمک به تشخیص، درمان و یا پیشگیری از بیماری‌هاست.
کاربردهای هوش مصنوعی در صنعت پزشکی بسیار گسترده است. بنابراین در این مقاله صرفا به چند نمونه کاربرد هوش مصنوعی در پزشکی اشاره شده است.
فهرست مطالب
هوش مصنوعی چیست؟
کاربرد هوش مصنوعی در پزشکی
چالش ها و نگرانی های کاربرد هوش مصنوعی در علم پزشکی
استفاده از سرویس ژوپیتر لب ابر فردوسی
هوش مصنوعی چیست؟
هوش مصنوعی شاخه‌ای گسترده از علوم کامپیوتر است که منجر به تولید ماشین‌های هوشمند می‌گردد.
یک ماشین هوشمند قادر به انجام اموراتی است که معمولا به هوش انسانی نیازمندند. اموراتی از قبیل ادراک بصری، تشخیص گفتار، تصمیم گیری و… .
هوش مصنوعی، مجموعه‌ای از کدهای برنامه‌نویسی شده است که کامپیوتر را قادر می‌سازد تا همانند یک انسان بیاندیشند، 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.
بخش‌های از قبیل یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی، بینایی ماشین و… را می‌توان اعضای یک هوش مصنوعی دانست.
قبل از آن نیز افرادی مانند آلن تورینگ با ابداع تست تورینگ و دیتریش پرینز با ساخت بازیکن هوشمند شطرنج، کارهایی مهمی را در این زمینه انجام داده بودند.
اصطلاح هوش مصنوعی اولین بار در سال 1956 زمانی که دانشمند کامپیوتر آمریکایی، جان مک کارتی و همکارانش در حال سازماندهی کنفرانس دارتموث بودند، ابداع شد.
اما می‌توان شروع عصر شکوفایی هوش مصنوعی را مصادف با ظهور رایانش ابری، در حدود سال 2006 میلادی دانست.
پس از این تاریخ بود که رودخانه خروشان هوش مصنوعی در تمام زمینههای زندگی بشر جریان یافت.
تاکنون طی چندین مقاله به کاربردهای هوش مصنوعی در صنایع مختلف اشاره کرده‌ایم که خلاصه‌ای از آنها را می‌توانید در مقاله هوش مصنوعی در صنعت مطالعه نمایید.
کاربرد هوش مصنوعی در پزشکی
هوش مصنوعی قادر به خودکارسازی امور، پردازش داده‌های پیچیده، پیشبینی اعمال، علامت‌گذاری دستورات، برچسب‌گذاری خطاها و… است.
بنابراین هوش مصنوعی در پزشکی بسیار پرکاربرد عمل می‌کند. پیش از این در مقاله هوش مصنوعی در تشخیص و درمان سرطان به برخی از آنها اشاره شد.
می‌توان گفت که بخش اعظمی از پیشرفت‌های فناوری، از جمله هوش مصنوعی، در جهتی است که بتواند از جان و مال بشر حفاظت نماید.
مثلا سازمان غذا و داروی ایالات متحده (FDA)، تاثیر کاردیابند AliveCor و ساعت هوشمند اپل را برای تشخیص فیبریلاسیون دهلیزی تأیید کرده است.
از آن‌جایی که شیوع بیماری کرونا منجر به ایجاد چالش‌های جدیدی در عرصه بهداشت و درمان جهان شد، کاربرد هوش مصنوعی در صنعت پزشکی نیز شدت یافت.
به عنوان مثال الگوریتم‌هایی برای نظارت بر بیماران از راه دور و یا ابزارهای جدید غربال‌گری، مجهز به هوش مصنوعی جریان گرفتند.
به‌طور کلی هوش مصنوعی تاثیر زیادی بر عملکرد پزشکی دارد. زیرا سرعت تحقیقات و دقت تشخیص و تصمیم‌گیری را چند برابر می‌کند.
در ادامه با برخی از مهم‌ترین کاربردهای هوش مصنوعی در زمینه درمان و پزشکی آشنا خواهیم شد:
1- کاربرد هوش مصنوعی در سلامت پوست:
تاکنون کاربرد هوش مصنوعی در علم پزشکی شگفت‌انگیز بوده است و یکی از بهترین کاربردهای آن در زمینه پوست است.
در این زمینه تخصصی و بصری‌گرا، مراکز تحقیقاتی استوا و هکلر توانسته‌اند گام بلندی را در راستای توسعه هوش مصنوعی با داده‌های تصویربرداری بالینی متعدد بردارند.
از این مدل هوش مصنوعی می‌توان جهت طبقه‌بندی و کمک به پزشکان برای تشخیص سرطان پوست، ضایعات پوستی و پسوریازیس استفاده نمود.
به طور خاص، استوا و همکارانش برای ساخت یک مدل شبکه عصبی کانولوشن عمیق (DCNN) از 129450 تصویر استفاده نموده‌اند.
به این ترتیب تصاویر به دو دسته باینری کارسینوم کراتینوسیت یا کراتوز سبورئیک، و ملانوم بدخیم یا خال خوش‌خیم در این مدل طبقه‌بندی شدند.
در این مدل ثابت شد که DCNN عملکردی برابر با 21 متخصص پوست دارای گواهی هیئت مدیره دارد.
همچنین سرعت و دقت این مدل در تشخیص سرطان پوست، از پزشکانی که سال‌ها در مراکز مختلف آموزش می‌بینند بیشتر است.
2- هوش مصنوعی و پیشبینی بیماری‌های کلیوی حاد:
تشخیص آسیب حاد کلیه (AKI) می‌تواند توسط پزشکان دشوار باشد و از طرفی زندگی بیمار را سریعا به خطر بیاندازد.
به‌طور میانگین 11 درصد از مرگ و میرها در بیمارستان‌ها به دنبال عدم شناسایی و درمان به موقع بیماران است.
بنابراین پیش بینی و درمان زودهنگام این موارد می‌تواند تأثیر زیادی در کاهش مرگ و میر، درمان مادام العمر و هزینه دیالیز کلیه داشته باشد.
در سال 2019، وزارت امور کهنه سربازان (VA) با همکاری DeepMind Health یک ابزار یادگیری ماشین را به منظور پیشبینی AKI ایجاد نمودند.
این ابزار هوش مصنوعی توانست بیش از 90 درصد موارد حاد AKI را 48 ساعت زودتر از روش‌های مراقبت سنتی شناسایی کند.
همکاری بین VA و DeepMind Health با هدف افزایش کیفیت زندگی جانبازان و گسترش این ابزار در مراکز درمانی مختلف ادامه دارد.
3- تاثیر هوش مصنوعی در مهار کرونا:
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 19 با استفاده از ردیابی تماس و داده‌های مسافران پرواز، از دستاوردهای موثر 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.
به گزارش Apple Newsroom، غول‌های فناوری مانند گوگل و اپل، نیروهای خود را برای ایجاد یک پلتفرم ردیابی تماس متحد نموده‌اند.
این پلتفرم از سیستم‌های هوش مصنوعی با استفاده از رابط‌های برنامه‌نویسی کاربردی (API) موجود در تلفن های هوشمند ایجاد شد.
این پلتفرم نه تنها به فرد آلوده اطلاع‌رسانی می‌کند، بلکه سرویس‌های مکان آن اجازه می‌دهد که پلتفرم با افرادی که در مجاورت وی بوده‌اند تماس برقرار نماید.
4- تجزیه و تحلیل و پیش بینی بیماری‌ها با استفاده از هوش مصنوعی:
در زمینه پیشبینی بیماری با هوش مصنوعی تاکنون کارهای بزرگی صورت پذیرفته است.
به عنوان مثال یکی از بیماری‌های که در صورت پیشرفت، منجر به نابینایی فرد مبتلا می‌گردد، دیابت است.
تیم تحقیقاتی گوگل با استفاده از 128175 تصویر از فوندوس شبکیه چشم، یک مدل شبکه عصبی عمیق DCNN ایجاد نموده‌اند.
این مدل قادر به شناسایی عوامل ایجاد رتینوپاتی دیابتی و ادم ماکولا در بزرگسالان مبتلا به دیابت و پیشگیری از عواقب جبران‌ناپذیر آنها هستند.
تشخیص رتینوپاتی دیابتی در مراحل اولیه به دلیل عدم توانایی چشم پزشک انسان برای مطالعه تصاویر در سطح دانه بندی غیرممکن است.
از طرفی شرکت CloudMedX با رمزگشایی داده‌های بدون ساختار قادر به پیشبینی بسیاری از بیماری‌های مزمن و ژنتیکی فرد یا سایر اعضای خانواده است.
منظور از داده‌های بدون ساختار EHR ها، یادداشت‌های پزشک، خلاصه ترخیص، یادداشت‌های تشخیص و سایر یادداشت‌های موجود در مورد یک فرد است.
تاکنون CloudMedX بیماری‌هایی پرخطری مانند نارسایی کلیوی، ذات الریه، نارسایی احتقانی قلب، فشار خون بالا، سرطان کبد، دیابت، جراحی ارتوپدی و سکته مغزی را پیشبینی نموده است.
این روند منجر به افزایش سرعت عمل، بهبود تشخیص، کیفیت درمان، کاهش هزینه‌ها و جلوگیری از نیاز مادام‌العمر به درمانی مانند دیالیز می‌گردد.
5- نقش هوش مصنوعی در کشف و تولید دارو:
هوش مصنوعی در طول شیوع ویروس ابولا در غرب آفریقا، قادر به جلوگیری از نفوذ این ویروس به سلول‌های بدن موجودات زنده شد.
این فناوری قادر به شناسایی ترکیب دارویی شد که با اتصال به گلیکوپروتئین‌ها، از نفوذ ویروس ابولا به بدن موجودات زنده جلوگیری می‌نماید.
کاربردهای هوش مصنوعی در کشف دارو بسیار گسترده‌اند. با کمک هوش مصنوعی می‌توان داروهای شخصی سازی شده را بسیار سریع از قبل تولید نمود.
بهعنوان مثال شرکت Verge Genomics بر کاربرد الگوریتم‌های یادگیری ماشین بر تجزیه و تحلیل داده‌های ژنومی مختص هر انسان و شناسایی دارو متمرکز است.
حوزه کاری این شرکت کشف دارو برای مبارزه با بیماری‌های عصبی مانند پارکینسون، آلزایمر و اسکلروز جانبی آمیوتروفیک (ALS) به روشی مقرون‌به‌صرفه است.
هوش مصنوعی با تجزیه و تحلیل مقادیر زیادی از داده‌های ژنتیکی، شیمیایی و پزشکی قادر به شناسایی داروهای موثر، بسیار سریع‌تر از روش‌های سنتی هستند.
به عنوان مثال شرکت Insilico Medicine از هوش مصنوعی برای شناسایی داروهای کاندید بیماری‌هایی مانند آلزایمر و سرطان استفاده می‌کند.
این روش مدرن بر خلاف روش‌های سنتی زمان‌بر، پرهزینه و دارای نرخ شکست بالای قدیم هستند که ترکیبات سمی زیادی نیز داشتند.
همچنین می‌توان با تجزیه و تحلیل ساختار مولکول‌های هدف و الگوریتم‌های هوش مصنوعی، داروهای جدیدی را با خواص مطلوب طراحی نمود.
شرکت AtomNet با استفاده از شبکه‌های عصبی کانولوشنال DCNN، توانست نکات میلیون‌ها اندازه‌گیری تجربی و هزاران ساختار پروتئینی را تجزیه و تحلیل نماید.
این شرکت از این اطلاعات برای پیشبینی نحوه عملکرد و نحوه اتصال مولکول‌های کوچک به پروتئین‌ها استفاده کرد تا داروهایی ایمن‌تر و موثرتر بسازد.
6- مراقبت از بیمار با کمک هوش مصنوعی:
هوش مصنوعی در بخش مراقبت‌های بهداشتی نیز بسیار کارساز است. زیرا برخلاف انسان‌ها هرگز نیازی به خواب ندارند.
مثلا شرکت BotMD سیستمی ساخته است که در طول ۲۴ ساعت شبانه‌روز می‌تواند مسائل بالینی بیمار را بررسی و پیشبینی نماید.
این سیستم می‌تواند با پیدا کردن فوری پزشکان در تماس، برنامه‌ریزی قرار‌های ملاقات، زمان استفاده از دارو، داروهای جایگزین و… از بیمار مراقبت کند.
همچنین از هوش مصنوعی در بخش مراقبت‌های ویژه (ICU) نیز استفاده می‌گردد تا با پیش‌آگاهی تیم پزشکی به آنها زمان بدهد، قبل از بروز مشکلات جدی سلامتی در بیمار، مداخله کنند.
با تجزیه و تحلیل داده‌های بیمار در زمان واقعی، الگوریتم‌های هوش مصنوعی می‌توانند پزشکان و پرستاران را در مورد عوارض احتمالی قبل از بروز خطرات آگاه کنند.
حسگرهای پوشیدنی از قبیل ساعت‌ها و سایر دستگاه‌های جمع‌آوری داده‌ها، نقش مهمی را در عملکرد هوش مصنوعی ایفا می‌کنند.
به عنوان مثال هوش مصنوعی در زمینه قلب و عروق نقش بسزایی را برای نظارت بر ضربان قلب، فشار خون و سایر علائم حیاتی ایفا می‌کند.
اینگونه پیش از بروز هرگونه مشکل جدی، هوش مصنوعی قادر به تشخیص زودهنگام نارساییهای قلبی و سایر مشکلات قلبی عروقی می‌باشد.
هوش مصنوعی در دیابت نیز با نظارت بر سطح گلوکز خون فعالیت می‌نماید. توصیه‌های شخصی هوش مصنوعی برای مقدار دوز انسولین و نوع تغذیه بسیار دقیق‌تر است.
7-کاربرد هوش مصنوعی در تشخیص بیماری:
با کمک فناوری هوش مصنوعی، تشخیص بیماری‌ها بسیار آسان‌تر، دقیق‌تر و سریع‌تر شده است.
مثلا هوش مصنوعی از اطلاعات موجود در یک مانیتور بیمارستانی که کار آن ارائه علائم حیاتی قلب انسان است برای پیشبینی بیماری‌های پیچیده‌ای مثل سپسیس استفاده می‌کند.
یکی از کاربران شرکت رایانش ابری IBM توانسته است یک مدل هوش مصنوعی را برای شناسایی سپسیس در نوزادان نارس توسعه دهد که تا 75 درصد نیز موفق بوده است.
در واقع این فناوری به پزشکان کمک می‌کند تا علائم و الگوهایی را که از چشمشان دور مانده است را شناسایی کنند.
8- یک پزشک شخصی با هوش مصنوعی:
هوش مصنوعی قادر به ارائه توصیه‌های پزشکی، تغذیه‌ای و ورزشی به‌صورت انفرادی و شخصی در 24 ساعت شبانه‌روز است.
این فناوری با کمک شناسایی ترکیب ژنتیکی بیماران، محیط و سبک زندگی آنها قادر به ارائه و ساخت داروهای مخصوص بیمار است.
هوش مصنوعی در زمینه سرطان بسیار پرکاربرد است. این فناوری با تجزیه و تحلیل DNA تومور بیمار، جهش‌هایی را که باعث رشد تومور می‌شوند را شناسایی می‌کند.
سپس برنامه‌های درمانی شخصی‌سازی شده‌ای را برای هر فرد طراحی می‌نماید تا علاوه بر کاهش جهش‌ها، مسمومیت و عوارض جانبی کمتری نیز برای بیمار به وجود آورد.
9- کاربرد هوش مصنوعی در تصویربرداری پزشکی:
شبکه‌های عصبی موجود در یادگیری عمیق می‌توانند همانند یک پزشک یا رادیولوژیست قهار، تصاویر پزشکی را مطالعه نمایند.
هوش مصنوعی در تصویربرداری پزشکی بسیار پرکاربرد است و به سرعت می‌تواند علائم یک بیماری، از قبیل سرطان سینه را در مراحل اولیه شناسایی کند.
حتی تریاژ یک بیمار اورژانسی با اسکن و بررسی تصاویر پزشکی آن توسط این فناوری سریع و دقیق‌تر است.
الگوریتم‌های هوش مصنوعی می‌توانند یک مجموعه بزرگ از داده‌ها را به گونه‌ای که هیچ چیز از چشم آن پوشیده نماند، تجزیه و تحلیل کند.
این تصاویر می‌توانند شامل نتایج سی تی اسکن، اشعه ایکس، ام آر آی و یا اسکن تشخیص سرطان، بیماری‌های قلبی یا اختلالات عصبی باشند.
این روند مدرن باعث می‌شود که حجم کاری رادیولوژیست‌ها کاهش یابد و از طرفی نتایج تشخیص یکسان‌سازی و استانداردسازی شوند.
زیرا ممکن است یک تصویر توسط چندین متخصص انسانی به شیوه‌های متفاوتی تفسیر شود که در نتیجه منجر به درمان‌های متفاوت می‌گردد.
10- 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 تکنسین فوریت پزشکی بتواند به موقع 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، علی رغم تشخیص درست 73 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.
چالش ها و نگرانی های کاربرد هوش مصنوعی در علم پزشکی
همان‌گونه که تاکنون خوانده‌ایم، 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.
در ادامه به برخی از مهم‌ترین چالش‌ها و نگرانی‌های کاربرد هوش مصنوعی در صنعت پزشکی اشاره خواهد شد:
1- حفظ حریم خصوصی و امنیت داده‌ها:
حفظ حریم خصوصی و امنیت داده‌های پزشکی را می‌توان یکی از اصلی‌ترین نگرانی‌ها در مورد هوش مصنوعی دانست.
از آن‌جایی که هوش مصنوعی جهت آموزش به داده‌های بسیاری دسترسی دارد، نگرانی‌هایی راجع‌به نشت این اطلاعات به بیرون وجود دارد.
به همین جهت نیز تاکنون تلاش شده است که مقررات سختگیرانه‌ای برای حفظ حریم خصوصی داده‌ها و اقدامات امنیتی دیگر وضع گردد.
2- احتمال بروز سوگیری در الگوریتم‌های هوش مصنوعی:
نگرانی دیگری مبتنی بر احتمال سوگیری نژادی، قومیتی،سنی و یا جنسیتی در الگوریتم‌های هوش مصنوعی وجود دارد.
اما محققان در تلاشند که در هیچ یک از مراحل پردازشی و یا پیش پردازشی امکان بروز سوگیری به‌وجود نیاید.
3- جمع‌آوری داده‌ها:
یک مشکل بزرگی که همواره تا حدودی سد راه پیشرفت‌های هوش مصنوعی است، داده‌ها هستند.
زیرا برای آموزش یادگیری ماشین، یادگیری عمیق و… نیاز به منابع اطلاعاتی گسترده است.
به‌طوری‌که هرچقدر مقدار این داده‌ها بیشتر باشد، شانس موفقیت یک ربات نیز بیشتر خواهد بود.
در واقع می‌توان فناوری‌ها و الگوریتم‌های متعدد ساخت، اما بدون اطلاعات درست و کافی، شانس موفقیت چندانی وجود ندارد.
4- خطر بیکاری ناشی از تکنولوژی:
هوش مصنوعی بسیار سریع‌تر و دقیق‌تر از پزشکان عمل می‌کند. حتی سرعت یادگیری این ربات‌ها بسیار بیشتر از سال‌های متمادی تحصیل پزشکان است.
درواقع هوش مصنوعی می‌تواند اطلاعات شغلی یک پزشک را که در پی سال‌ها تلاش کتابی را نگاشته است، با خواندن همان کتاب مال خود کند.
اما دکتر آنتونی چانگ نظر دیگری دارد و معتقد است که هوش مصنوعی در کنار پزشکان قرار خواهد گرفت و نه بر علیه آنها.
وی در این خصوص یک آگهی استخدامی رادیولوژیست در آمریکا را گواه قرار داد.
در این آگهی دو شرط لازم برای استخدام قید شده بود: داوطلب دارای تاییدیه هیئت رادیولوژی آمریکا و مشتاق به همکاری با هوش مصنوعی باشد.
امیدواریم که مقاله 10 کاربرد هوش مصنوعی در پزشکی مورد توجه شما عزیزان واقع شده باشد. در صورتی که اطلاعات بیشتری در این مورد دارید با ما در میان بگذارید.
استفاده از سرویس ژوپیتر لب ابر فردوسی
شرکت ابر فردوسی ارائه دهنده سرویس‌های ابری متنوع با بهترین قیمت و کیفیت است. از جمله این سرویس‌ها می‌توان به:
سرور ابری
سرور محاسبات سنگین
سرور گرافیکی
سرور ژوپیتر لب
سرور اختصاصی و…اشاره کرد. به عنوان مثال می‌توانید از سرویس ژوپیتر نوت بوک این شرکت، برای توسعه هوش مصنوعی و… بهره ببرید. جهت آشنایی و یا استفاده کلیک نمایید.
الگوریتم ژنتیک هم یکی از کاربردهای هوش مصنوعیه درسته؟
امیر عزیز سلام
بله، الگوریتم ژنتیک یکی از کاربردهای مهم هوش مصنوعی است. این الگوریتم با الهام گرفتن از فرآیند تکامل طبیعی و اصول داروینیسم، به حل مسائل بهینه‌سازی پیچیده در حوزه‌های مختلف می‌پردازد.
الگوریتم ژنتیک با ایجاد جمعیتی از راه‌حل‌های بالقوه، به دنبال یافتن بهترین پاسخ برای یک مسئله است. هر راه‌حل به صورت رشته‌ای از ژن‌ها (بیت‌های باینری) نمایش داده می‌شود که هر کدام نشان‌دهنده یک ویژگی از پاسخ هستند.
سپس با اعمال عملگرهایی مانند انتخاب، تقاطع و جهش بر روی این جمعیت، نسل‌های جدیدی تولید می‌شوند که در هر نسل، راه‌حل‌های بهتری ظاهر می‌گردند. این فرآیند تا رسیدن به یک پاسخ مناسب ادامه می‌یابد.