هوش مصنوعی نوید بخش تحول و دگرگونی تشخیص پزشکی

ربات پزشک: چگونه هوش مصنوعی نوید بخش تحول و دگرگونی تشخیص پزشکی می باشد

وقتی صحبت از بیماری ها و تشخیص آن ها می شود، هر ثانیه تعیین کننده است. هرچه زودتر از وضعیت بیماری در حال رشد آگاهی داشته باشیم، شانس بیشتری برای معالجه و در نهایت غلبه بر آن خواهیم داشت. اخیرا شاهد این موضوع هستیم که چگونه هوش مصنوعی نقش مهم و بیشتری را در تشخیص علائم بیماری، مدت ها قبل از تشخیص پزشکان، ایفا می کند.

از نظر مهارت در برخی زمینه ها، هوش مصنوعی نسبت به انسان سرآمد تر است.

وقتی این میزان پیشرفت تکنولوژی را در حوزه پزشکی در نظر بگیریم، اوضاع حتی جالب تر می شود.

از طریق یادگیری ماشین و قدرت محاسبات، هوش مصنوعی این توانایی را دارد تا به داده های تصویربرداری پزشکی و سوابق مربوط به سلامت و بهداشت نگاه کرده و تغییرات کوچک و در عین حال بسیار حیاطی (که پزشکان متوجه آن نمی شوند) را شناسایی کند.

شلومو برکوفسکی (Shlomo Berkovsky)، استادیار پژوهشکده نوآوری سلامت استرالیا می گوید: “هوش مصنوعی به طور فوق العاده ای در شناخت الگوهای موجود در داده ها قوی است. مانند، الگوهای تصویربرداری پزشکی شامل اسکن مغزی، اشعه ایکس یا داده های زنجیره ای زمانی مانند ECG (نوار قلب) یا اندازه گیری تنفس.

سپس می تواند این الگوها را به سوابق بالینی گذشته و نتایج پروسه ها، نگاشت دهد. گاهی حتی می تواند الگویی که توسط پزشک مشاهده نشده را تشخیص دهد. بنابراین هوش مصنوعی می تواند به کمک مجموعه ی عظیمی از داده ها در تصمیم گیری نهایی به پزشکان، یاری برساند.

آخرین فناوری (توسط DeepMind) در این زمینه قادر به پیش بینی و تشخیص آسیب حاد کلیوی، ۴۸ ساعت جلوتر از بهترین روش های تشخیصی فعلی ما است.

آسیب حاد کلیوی یک وضعیت تهدید کننده ی زندگی است که در آن کلیه سریع از کار می افتد. شناسایی آن دشوار بوده و هر ساله بیش از ۳۰۰ هزار نفر را در آمریکا تحت تاثیر قرار می دهد. بنابراین دلایل زیادی برای تشخیص زود تر از موعد آن وجود دارد.

تیم DeepMind هوش مصنوعی خود را بر روی سوابق سلامتی بیش از ۷۰۰ هزار بیمار بزرگسال آموزش داده است، مقدار این داده ها به حدی زیاد می باشد که  نمی تواند تنها توسط انسان مورد بررسی قرار گیرد.

سپس با در نظر گرفتن مواردی مانند علائم حیاتی، هوش مصنوعی دو روز قبل از وقوع، قادر به پیش بینی احتمال آسیب حاد کلیوی با دقت ۵۵.۸ درصد است.

این تکنولوژی کار شناسایی را خیلی زودتر از پزشکان حال حاضر انجام می دهد، و در موارد شدیدتر که بیماران به دیالیز کلیه نیاز دارند، هوش مصنوعی توانسته است از هر ۱۰ آسیب کلیوی حاد، ۹ مورد آن را پیش بینی کند.

دیپ مایند این پیشرفت را به عنوان بزرگترین پیشرفت پزشکی خود تا به حال، توصیف می کند. درعین حال قابل توجه است که وقتی صحبت از بهبود تشخیص بیماری توسط هوش مصنوعی می شود، این تنها بخش کوچکی از توانایی های هوش مصنوعی می باشد.

تغییرات قلب

مشکل قلبی یکی دیگر از بیماری های پزشکی است که در آن هر ثانیه حیاتی می باشد، به خصوص هنگامی که منجر به حمله قلبی یا سایر حوادث جدی قلبی شود. اما با ترکیب هوش مصنوعی با داده های قلبی که از طریق روش های سنتی تر جمع آوری شده است، ممکن است الگوریتم ها بتوانند زود تر، وجود مشکلات را اطلاع دهند.

در ماه ژانویه، محققان در کلینیک مایو مقاله ای را منتشر کردند که در آن نوع جدیدی از الکتروکاردیوگرام (ECG) به کمک هوش مصنوعی را توصیف می کند و می تواند اختلال عملکرد بطن چپ که شناسایی آن دشوار است (دلیل اصلی نارسایی قلبی) را تشخیص دهد.

این هوش مصنوعی روی داده های بیش از ۶۰۰ هزار بیمار آموزش داده شد و الگوریتم حاصل از آن قادر به تشخیص این بیماری با حدود ۸۵ درصد دقت بود. با کار بیشتر، این فناوری وعده به مراتب ارزان تر و در دسترس تری می دهد تا علائم اصلی ضعف قلب سریع و زودتر از موقع تشخیص داده شود.

امروز، همان گروه از محققان، مقاله دیگری را در مجله Lancet منتشر کرده اند که به جزئیات مهم ترین پیشرفت آن ها در استفاده از هوش مصنوعی برای تشخیص مشکلات احتمالی قلبی می پردازد.

هوش مصنوعی جدید، از طریق اسکن قلب به دنبال علائم فیبریلاسیون دهلیزی یا ریتم غیر طبیعی ضربان قلب است که با افزایش خطر سکته مغزی، نارسایی قلبی و مرگ همراه می باشد.

مشاهده ی تغییرات نامحسوس در ساختار اندام مانند بزرگ شدن محفظه و جای زخم در نتیجه این ضربان قلب نامنظم، از طریق تکنیک های تصویربرداری کنونی بسیار دشوار است.

اما با آموزش هوش مصنوعی برای انجام این کار، با استفاده از داده های حدود ۱۸۰ هزار بیمار هوش مصنوعی قادر است فیبریلاسیون دهلیزی را با دقت ۸۳ درصد تشخیص دهد.

نوشته مرتبط: هوش مصنوعی می تواند احتمال مرگ بیمار را پیش بینی کند، اما چگونه؟

سرطان ها در مراحل اولیه

در سال ۲۰۱۷، یک استارت آپ چینی به نام  Infervision، اعلام کرد نوع جدیدی از فناوری تصویربرداری که در درجه اول برای شناسایی سرطان های ریه از طریق  سی تی اسکن طراحی شده، را ساخته است.

این کار با آموزش هوش مصنوعی بر روی انبوهی از سوابق سلامتی-بهداشتی دیجیتال، با ابزاری به نام AI Scholar (محقق مصنوعی) انجام می شود، که به رادیولوژیست ها کمک می کند تا  با سرعتی سه برابر باسی تی اسکن کار کنند. در عین حال این تکنولوژی نرخ عدم تشخیص سرطان را به میزان  50٪ کاهش می دهد.

در اوایل سال جاری، یک فناوری گوگل که به منظور مدل سازی بهتر و پیش بینی سرطان ریه طراحی شده بود، در برخی موارد توانست از رادیولوژیست های معتبر بهتر عمل کند.

الگوریتم یادگیری ماشین، بر روی بیش از ۴۵ هزار  سی تی اسکن قفسه سینه آموزش داده شد که برخی از آن ها مراحل مختلف سرطان را نشان می دادند.

گوگل می گوید این الگوریتم توانسته ۵% بیش تر از متخصصان رادیولوژیست، سرطان ها را تشخیص دهد. با داشتن این توانایی می توان بافت بدخیم ریز در ندول های ریه که درغیر این صورت شناسایی نمی شود را تشخیص داد.

سرطان تخمدان جای دیگری است که هوش مصنوعی پتانسیل خود را در شناسایی آن نشان داده است، با مطالعه ای که در ماه فوریه منتشر شد، سیستم جدیدی طراحی شده که به پزشکان کمک می کند تا درجه تومورها را ارزیابی کرده و درمان های بهتری را طراحی کنند.

در ماه می، دانشمندان MIT این نوع فناوری را به سرطان پستان تعمیم دادند، و با تولید یک الگوریتم یادگیری عمیق بر روی هزاران ماموگرافی (عکس برداری پستان)، یک سیستم هوش مصنوعی تولید کردند که می تواند با شناسایی تغییرات کوچک در بافت پستان، خطرات سرطان پستان را با دقت بیشتری نسبت به مدل های فعلی پیش بینی کند.

بیماری های ذهن

مشکلات عصبی ممکن است علائم جسمی مطابق با بیماری های ذکر شده در بالا نداشته باشد، اما این بدان معنا نیست که تکنولوژی های هوش مصنوعی برای آن ها غیر قابل دسترس است.

یک مطالعه کوچک که در اواخر سال گذشته منتشر شد، با آموزش یک الگوریتم یادگیری ماشین در مورد داده های تصویربرداری عصبی، از جمله دیگر نقاط داده ها، پتانسیل های آن ها در این زمینه را مورد بررسی قرار داد.

این تیم دریافتند که ابزار هوش مصنوعی قادر است به درستی در ۸۳% مواقع نتایج اجتماعی را در بیمارانی که در معرض خطر روان پریشی بودند، پیش بینی کند.

این هوش مصنوعی همچنین توانست ۷۰ درصد مواقع شروع افسردگی را، پیش بینی کند. هر دوی این ها در پیش بینی عملکرد اجتماعی یک بیمار، دقیق تر از پزشکان عمل کردند، و اگرچه ابعاد این آزمایش کوچک است، اما یک نگاه اجمالی جالب از چگونگی تکامل آینده ی درمان های روانی است.

آلزایمر نمونه دیگری از مواردی است که هوش مصنوعی می تواند نتایج را برای بیماران دارای شرایط عصبی بهبود بخشد. در نوامبر سال گذشته، یک تیم بین المللی از دانشمندان مطالعه ای را منتشر کردند که جزئیاتی از سیستم جدید هوش مصنوعی را نشان می داد. این هوش مصنوعی می تواند ابتلا به آلزایمر را تا شش سال زودتر از روش های فعلی، تشخیص دهد.

نگاهی به آینده

سیستم های هوش مصنوعی که در بالا مورد بحث قرار گرفتند، همه در مراحل اولیه و آزمایشی هستند و نیاز به بررسی های بیش تر قبل از استفاده بالینی دارند. اما این مطالعات پتانسیل یادگیری ماشین را به عنوان روشی برای بهبود شرایط بیماران نشان می دهند.

سرطان های پوستی، امید به زندگی، قد، تراکم استخوان و موارد دیگر از سلامت انسان نمونه های اندکی از مواردی هستند که هوش مصنوعی می تواند به ردیابی و پیش بینی آن ها کمک کند.

از آنجا که جمع آوری داده های سلامتی لازمه ی پیشرفت هوش مصنوعی در صنعت سلامت است، ظهور کامپیوترهای پوشیدنی مانند ساعت های هوشمند و ردیاب های فیتنس می تواند به سرعت بخشیدن پیشرفت این صنعت کمک کند.

در گذشته هرگز این چنین به وفور به داده هایی در مورد سلامتی و رفاه خود دسترسی نداشته ایم و در حال حاضر شاهد به چالش کشیدن پزشکان توسط هوش مصنوعی هستیم.

نمونه ای از این تکنولوژی، سنسور KardiaBand در بند ساعت apple watch است که به عنوان نسخه مچی و پوشیدنی از یک دستگاه الکتروکاردیوگرام (نوار قلب) عمل می کند. این دستگاه با ضبط ۳۰ ثانیه از ضربان قلب فرد، به تشخیص فیبریلاسیون دهلیزی و دیگر موارد کمک می کند.

یکی از ویژگی های این بند، چیزی به نام Smart Rhythm است که از هوش مصنوعی برای نظارت بر فعالیت های بدنی کمک می گیرد.

به گفته ی برکوفسکی: “در آینده، اطلاعات بیشتری توسط فناوری های پوشیدنی جمع آوری شده و برای اهداف تشخیصی استفاده می شود. طیف وسیعی از سنسورها و دستگاه ها وجود دارند که می توانند بیماران را به صورت غیرحضوری تحت نظارت داشته و داده های جمع آوری شده را منتقل کنند.

این داده ها به پزشکان این امکان را می دهند که درک فراگیرتری از وضعیت بیمار داشته باشند و دقت تصمیم گیری هوش مصنوعی برای کمک به پزشکان را بهبود بخشند.”

هرچند ممکن است زمان زیادی تا جایگزینی هوش مصنوعی با پزشکان مانده باشد، اما پیش بینی می شود که هوش مصنوعی در آینده نقش بیش تری داشته باشد.

در آینده نزدیک، هوش مصنوعی تنها به عنوان یک ابزار کمکی برای تشخیص عمل می کند، و تشخیص نهایی هنوز توسط انسان انجام خواهد گرفت.

باز نشر مطالب سایت بدون ذکر نام و لینک مطلب سایت پیتونیک ممنوع است و شامل پیگرد قضایی می شود.

مراجع

مرجع شماره ۱