سهم الگوریتم‌های هوشمند در تشخیص بیماری افراد در آینده چقدر است
فناوری‌های هوشمند بازوی کمکی پزشکان
نتایج تحقیقات و آزمایش‌های انجام گرفته در کشورهای مختلفی همچون انگلستان و ایالات متحده نشان می‌دهد که هوش مصنوعی می‌تواند علایم هشداردهنده بیماری‌ها را خیلی سریع‌تر از خود بیماران تشخیص دهد. لی کامینسکی پزشک عمومی و نویسنده کتاب‌های پزشکی که برنده جوایزی همچون The Asher Award شده معتقد است این فناوری می‌تواند عصر جدیدی در حوزه بهداشت و سلامت رقم بزند.

متأسفانه، در سراسر جهان مردم تنها زمانی‌ متوجه نشانه‌های بیماری می‌شوند که بدنشان علایم مشخصی از بیماری را نشان می‌دهد. در این مرحله افراد با مراجعه به پزشک و آزمایش‌های دقیق‌تر متوجه می‌شوند که مبتلا به چه بیماری شده‌اند، اگر بشود بیماری را سریع‌تر تشخیص داد، بیماران شانس بیشتری برای درمان زودهنگام بیماری خواهند داشت و احتمال متوقف کردن روند رشد بیماری نیز وجود دارد. فناوری‌های نوین عملکرد مثبتی در این زمینه از خود نشان داده‌اند. هوش مصنوعی می‌تواند تغییرات مشخص و روشن در وضعیت سلامت را ماه‌ها یا سال‌ها پیش از آن‌که نشانه‌ها به شکل مشخصی قابل مشاهده باشند تشخیص دهد. راس داوسون، بنیان‌گذار موسسه اکتشاف آینده می‌گوید: «در سال‌های آتی مدل درمانی مراقبت از بیمار با مدلی جایگزین خواهد شد که تمرکزش بر پیشگیری و پیگیری وضعیت سلامت پیش از رشد بیماری‌ها است. تغییر گرایش‌های اجتماعی و افزایش انتظارهای اجتماعی با هدف برخورداری از یک زندگی سالم و پر بار عامل اصلی این تحولات هستند. رشد خیره‌کننده فناوری‌ها و الگوریتم‌های هوشمند در یک دهه اخیر و استفاده روزافزون از یادگیری عمیق که یکی از گرایش‌های اصلی هوش مصنوعی است و می‌تواند بهتر از انسان‌ها الگوها را شناسایی کند، دانشمندان را به این فکر انداخته تا هوش مصنوعی را به شکل جدی‌تری به دنیای پزشکی وارد کنند.»

پنجره‌های رو به ‌سلامت 

آقای داوسون می‌گوید: «تحقیقات انجام شده نشان می‌دهند هوش مصنوعی می‌تواند با نظارت مستمر بر نبض، افرادی که مستعدد حملات قبلی هستند را شناسایی کند. در یک پژوهش تحقیقاتی، هوش مصنوعی موفق شد فاکتورهای متغیری را شناسایی کند که متخصصان قلب برای پیش‌بینی وضعیت بیماران دقت چندانی به آن‌ها نداشتند.» 
نتایج پژوهشی که گوگل به تازگی انجام داده نشان می‌دهد الگوریتم‌های هوشمند می‌توانند با نگاه کردن به چشم مردم احتمال حمله قلبی در افراد را پیش‌بینی کنند. متخصصان برای آموزش الگوریتم هوشمند از تصویر شبکیه بیش از 284 هزار بیمار استفاده کردند. الگوریتم فوق با بررسی الگوهای موجود در رگ‌های درهم‌ تنیده شبکیه موفق شد علائم زودهنگام بیماری‌های قلبی و عروقی را تشخیص دهد.

فعالیت‌های روزانه

دینا خطابی، استاد مهندسی الکترونیک دانشگاه MIT دستگاهی طراحی کرده که قادر به انتشار امواج کم قدرت بی‌سیم در منزل است. این امواج الکترومغناطیس توسط بدن بیمار بازتاب پیدا می‌کنند. هر زمان بیمار حرکتی انجام می‌دهد، میدان مغناطیسی پیرامون او تغییر می‌کند. این دستگاه بازتاب‌های لحظه‌ای را جمع‌آوری کرده و اطلاعات را در اختیار یک الگوریتم یادگیری ماشین قرار می‌دهد تا تحلیل کند. این دستگاه در منزل بیمار برای بررسی الگوی خواب، فعالیت‌های روزانه و کارهایی که در طول شبانه‌روز انجام می‌دهد نصب می‌شود. 
به‌طور مثال، دستگاه می‌تواند حتا زمانی که چند نفر در اتاق هستند، سرعت تنفس بیمار را تشخیص دهد و اگر فردی به زمین برخورد کرد، این موضوع را متوجه شود. دستگاه فوق همچنین قادر است ضربان قلب بیمار را رصد کند و حتا اطلاعاتی درباره وضعیت عاطفی بیمار به‌دست آورد. خانم خطابی می‌گوید: «سیگنال‌های بی‌سیم ساطع شده توسط این دستگاه در سطحی فراتر از حواس طبیعی انسان‌ها کار می‌کنند. 
این دستگاه بازتاب‌های بسیار جزیی را رهگیری کرده و توسط الگوریتم یادگیری ماشین فعالیت‌های بیمار را حتا زمانی که پشت دیوار قرار دارد دنبال می‌کند. ما قادر به مشاهده این امواج نامرئی نیستیم، اما رصد این امواج اطلاعات ارزشمندی در اختیارمان قرار می‌دهد. اگر بتوانیم تغییرات روزمره بیماران را شناسایی کنیم، سرنخ‌های ارزشمندی در ارتباط با مشکلات به دست می‌آوریم و قادر به تشخیص زودهنگام بیماری‌ها خواهیم بود.»
امروزه بسیاری از مردم از وسایل و تجهیزات مختلفی برای نظارت بر فعالیت‌های جسمانی خود استفاده می‌کنند. 
بررسی میزان کالری که مصرف کرده‌اند یا تعداد قدم‌هایی که در طول روز برداشته‌اند از جمله این موارد است. هوش مصنوعی با رصد و تحلیل این اطلاعات به ما در درک دقیق‌تر این اطلاعات کمک فراوانی می‌کند. با توجه به ‌این‌که میانگین سنی جمعیت کره زمین روبه‌ افزایش است، امکان پیش‌بینی تغییر در وضع سلامت افراد اهمیت ویژه‌ای دارد. بر اساس گزارش سازمان ملل، تا سال 2050 بیشتر از یک‌پنجم جمعیت جهان را افراد بالای 60 سال  تشکیل می‌دهند.

اطلاعات مستتر در چهره انسان‌ها 

هوش مصنوعی می‌تواند با نگاه کردن به چهره انسان‌ها امراض احتمالی افراد را پیش‌بینی کند. پژوهش‌های جدید نشان می‌دهند هوش مصنوعی می‌تواند با نگاه به چهره افراد تفاوت‌های ناچیز و مختصری که ممکن نشانه‌ای دال بر یک بیماری باشند را تشخیص دهد. استارت‌آپ FDNA مستقر در شهر بوستون برنامه هوشمندی به‌نام Face2Gene  طراحی کرده که برای شناسایی بیماری‌های ژنتیکی از روی ویژگی‌ها و خصوصیات چهره بیمار استفاده می‌کند. برنامه Face2Gene با شیوه یادگیری عمیق آموزش داده شده و می‌تواند ویژگی‌ها و حالات خاص چهره را برای تشخیص اختلالات ژنتیکی نادر مانند سندورم نونان تحلیل کند. پژوهشگران برای آموزش این الگوریتم هوشمند بیش از 17 هزار عکس از بیمارانی را که دچار یکی از 216 نارسایی ژنتیکی بودند استفاده کردند. برخی از این اختلالات، نشانه‌های خاصی در چهره افراد بیمار پدید می‌آورند. الگوریتم FDNA یاد گرفته تا الگوهای غیرقابل تشخیص مربوط به چهره که اغلب پزشکان قادر به شناسایی آن‌ها نیستند را تشخیص دهد. آزمایش‌ها نشان دادند این سیستم در
91 درصد موارد سندروم کورنلیا دی لانژ را بهتر از پزشکان تشخیص می‌دهد. تشخیص زودهنگام سندروم‌های ژنتیکی نادر به معنی درمان‌های پزشکی فوری است. برآورد شده که نزدیک به 10 درصد جمعیت جهان درگیر بیماری‌های نادر هستند و به همین دلیل برنامه‌های هوشمندی نظیر برنامه یاد شده می‌توانند ظاهر علم پزشکی را به‌طور کلی دگرگون کند.

کنکاش درون مغز انسان‌ها 

برخی از بیماری‌ها عوارض و نشانه‌های بیرونی ندارند. پزشکان و جراحان سال‌ها است برای تشخیص نشانه‌های بیماری در بیماران خود از اسکن و اشعه ایکس استفاده می‌کنند، اگر بتوانیم از روش‌های نوین هوشمند برای تشخیص بیماری پیش از آن‌که نشانه‌های آن پدیدار شود استفاده کنیم چه تحول بزرگی رخ می‌دهد. بن فرانک، پروفسور رادیولوژی بالینی دانشگاه استنفورد به دنبال کشف رازهای پنهان در میلیون‌ها اسکن ضبط شده از بدن بیماران است. پزشکان با بررسی این اسکن‌ها مکان تومورهای سرطانی در بدن را تشخیص می‌دهند، اما به دنبال خطرات بالقوه دیگری نیستند که ممکن است سلامت بیماران را تهدید کند و درون این تصاویر پنهان شده باشد. استخراج اطلاعات این تصاویر می‌تواند به پزشکان اطلاعات بیشتری در رابطه با بیماری فرد ارائه کرده یا حتا منجر به کشف موارد دیگری شود که به درستی تشخیص داده نشده‌اند. دکتر فرانک و تیمش در قالب یک پروژه تحقیقاتی به دنبال بررسی این موضوع هستند که آیا تغییرات متابولیستم مغز که در اسکن‌ها دیده می‌شود ممکن است برای پیش‌بینی احتمال ابتلا به بیماری آلزایمر در بیماران استفاده شود یا خیر. 10 درصد افراد بالای 65 گرفتار این بیماری می‌شوند. این تیم تحقیقاتی موفق به ساخت الگوریتم هوشمندی شده‌اند که قادر به تشخیص تغییرات نامحسوس در متابولیسم است. در این مورد خاص، تجمع گلوکز در نواحی خاصی از مغز انجام می‌شود که تصور می‌شود در مراحل اولیه پیشرفت بیماری آلزایمر رخ می‌دهد. در آزمایش‌ اولیه تصاویر متعلق به 40  بیمار که این الگوریتم قبلا ندیده در اختیارش قرار گرفت و به‌طور متوسط 6 سال سریع‌تر از پزشکان بیماری آلزایمر را تشخیص داد. کشفیات جدید نوید این خبر خوش را می‌دهند که ممکن است با کمک هوش مصنوعی بتوانیم این بیماری خطرناک را سال‌ها قبل از بروز نشانه‌ها تشخیص دهیم. دکتر فرانک می‌گوید: «کامپیوترها می‌توانند روابط و وابستگی‌هایی که انسان‌ها سال‌ها زمان برای کشف آن‌ها نیاز دارند را به سرعت پیدا کنند. به کمک هوش مصنوعی می توانیم اطلاعات پنهان در میلیون‌ها پرونده پزشکی را استخراج کنیم. رویکردی که تشخیص زودهنگام و درمان به موقع بیماران را به ارمغان می‌آورد.»
این مسئله محدود به آلزایمر نمی‌شود. گروه تحقیقاتی تحت سرپرستی او به‌تازگی مقاله‌ای منتشر کرده که نشان می‌دهد این امکان وجود دارد از ترکیب مجموعه داده‌های خامی که از اسکن‌های MRI و PET جمع‌آوری می‌شود برای پیش‌بینی نوع سرطان سینه بیماران و همچنین تخمین میزان بهبودی آن استفاده کرد. این حوزه نوظهور رادیومیکس نام دارد و از داده‌های خام اسکن‌ها برای شناسایی خصوصیاتی که با چشم غیرقابل مسلح قابل دیدن نیست استفاده می‌کند. بیش از 5 هزار ویژگی‌ (نشانه) تصویری مستقل وجود دارد که می‌توان با کمک هوش مصنوعی تمامی آن‌ها را بررسی کرد. دکتر فرانک می‌گوید: «موفق شدیم با استفاده از یادگیری ماشین گروهی از این ویژگی‌ها که در پیش‌بینی‌ها نقش کلیدی دارند را شناسایی کنیم. امیدوار هستیم راهی برای به‌کارگیری هوش مصنوعی خارج از محیط بیمارستانی برای پیش‌بینی سلامت افراد پیدا کنیم. به‌طور مثال، سرویس‌های بهداشتی هوشمندی را تصور کنید که قادر به تشخیص تغییرات احتمالی در اوره افراد و پیش‌بینی بیماری هستند.»

شیوه صحبت کردن 

ممکن است اسکن‌ها و تصاویر سرنخ‌هایی از وضعیت فیزیکی ارائه کنند، اما تشخیص سلامت روان کار پیچیده و طاقت‌فرسایی است. مشکلات روانی در حال افزایش هستند و نزدیک به 25 درصد کل جمعیت جهان را تحت ‌تأثیر قرار می‌دهند. متاسفانه در برخی از کشورها مشکلات روان در ابعادی گسترده روبه گسترش است. مشکلات روانی فشار زیادی به جوامع تحمیل می‌کنند. یادگیری ماشین راهکارهای جدیدی برای شناسایی زودهنگام مشکلات سلامت روان ارائه می‌کند. واژگانی که افراد انتخاب می‌کنند، لحن صدا و سایر ویژگی‌های گویشی پنهان در کلام افراد نشانه‌های مهمی دال بر مشکلات روان هستند. الی (Ellie) یک آواتار دیجیتالی توسعه‌یافته توسط مؤسسه فناوری‌های خلاقانه ‌دانشگاه کارولینای جنوبی است. این آواتار یک
روان درمان‌گر مجازی است که می‌تواند 60 نقطه از چهره بیمار را برای تشخیص اینکه افسرده یا پریشان است، اضطراب دارد یا دچار اختلال استرس پس از حادثه (PTSD) است را تحلیل کند. عملکرد این آواتار مجازی به این شکل است که مدت زمان مکث افراد برای پاسخ‌گویی به پرسش‌ها، حالات بدن و نحوه تکان دادن سر را به عنوان سرنخ‌هایی از وضعیت روانی بیمار دریافت کرده و تحلیل می‌کند. انتظار می‌رود این روش استفاده از یادگیری ماشین به پیش‌بینی، بهبود شناسایی و درمان بیماری‌های روانی در دنیای روان‌شناسی تبدیل شود. پیشرفت‌های مستمر هوش مصنوعی باعث ساخت روبات‌های هوشمند با احساسی شده که قادر هستند با انسان‌ها مکالمه طبیعی داشته باشند. کمبود کادر متخصص در برخی از رشته‌های پزشکی باعث شده تا روبات‌هایی که هوش عاطفی دارند روند دسترسی بیماران به برخی خدمات پزشکی را ساده‌تر کنند. به‌طور مثال، Wysa روباتی است که توسط درمانگران و پژوهشگران هوش مصنوعی برای کمک به افرادی ساخته شده که بعد از یک روز کاری سخت نیازمند آرامش فکر هستند. این روبات که تخصصش رفتاردرمانی شناختی است به افراد کمک می‌کند تا مقاومت روانی خود در برابر مشکلات را بهبود بخشند. 

تصمیمات مهم

وقتی تمام ارزیابی‌های زیستی با پرونده ژنتیکی افراد ترکیب ‌شود به پزشکان اجازه می‌دهد به گروه‌بندی افراد بر مبنای سنجه‌هایی بپردازند که با پروتکل‌های پزشکی فعلی در تضاد هستند. در جهانی که دقت پزشکی، بالاتر از زمان حال است، هوش مصنوعی ممکن است چکاپ سالانه پزشکی را رد کند. با این‌حال، پرسش مهمی وجود دارد. زمانی‌که صحبت از زندگی و مرگ افراد به میان می‌آید تا چه اندازه حاضر هستیم به ‌الگوریتم‌های هوشمند اطمینان کنیم، وقتی قرار است درباره شرایط خیلی مهم و خاص تصمیم‌گیری شود، می‌توانیم به دستگاهی اعتماد کنیم که بابت تصمیماتی که می‌گیرد نگران نیست و حاضر هستیم تصمیم یک دستگاه هوشمند را بپذیریم؟ احتمالا ترجیح می‌دهیم یک پزشک انسان به‌جای پزشک ماشینی تصمیم‌گیری کند، اما در آینده نزدیک پزشک هوشمند ممکن است خیلی زودتر از همکار انسانی خود تصمیم‌گیری کند. روبات‌هایی که دقیقا مطابق با شخصیت‌ها، رفتارها و احساسات تک‌تک انسان‌ها طراحی و ساخته شده‌اند هشدارهای زودهنگامی را می‌دهند که ممکن است منجر به ‌نجات زندگی انسان‌های زیادی شوند. هرچند هنوز انتظار کامپیوتری را نداریم که قادر به ‌حس کردن باشد، اما انتظار داریم احساسات ما را درک کند.


ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     ثبت اشتراک نسخه آنلاین

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

مطالب پربازدید

توسعه و پشتیبانی توسط : ایران دروپال
پشتیبانی توسط ایران دروپال