هوش مصنوعی در پزشکی

هوش مصنوعی واژه ای هست که در طی چند سال اخیر بارها شنیده ایم. اما آیا تا به حال نمونه های واقعی از بکارگیری هوش مصنوعی را از نزدیک مشاهده کرده اید؟ هوش مصنوعی، هوشی است که در ماشین ها وجود دارد بر خلاف هوش طبیعی که در انسان ها وجود دارد. در واقع هر سیستمی که بتواند مانند ما انسان ها محیط اطرافش را درک کند و عکس العمل مناسبی با آن داشته باشد و فعالیت هایی را در جهت رسیدن به هدفش انجام دهد، دارای هوش مصنوعی است. با توجه به الگوریتم هایی که به منظور پیاده سازی هوش مصنوعی استفاده می شود، ماشین ها قادر خواهند از محیط اطراف خود یاد بگیرند و فعالیت های متنوع تری را انجام بدهند.

همان طور که انسان ها دارای قابلیت یادگیری هستند و از محیط اطراف خود چیزهای مختلفی را یاد می گیرند و در طی زمان به همراه این یادگیری ها پیشرفت می کنند، ماشین ها نیز با استفاده از همین قابلیت یادگیری توانایی آموزش فعالیت های جدید را پیدا می کنند و تعامل بهتری با محیط اطراف خود خواهند داشت. توانایی یادگیری در ماشین ها منجر به ایجاد یک نوع هوش به نام هوش مصنوعی در آن ها می شود.

هوش مصنوعی در پزشکی

با توجه به قابلیت های مختلفی که هوش مصنوعی دارد، در حوزه های متعددی مورد توجه قرار گرفته است. حوزه های کشاورزی، صنعت، حمل و نقل، امنیت، پزشکی و … در حال توسعه ی سیستم های هوشمند برای کاراتر کردن فعالیت خود هستند. در این مقاله قصد داریم به کاربردهای هوش مصنوعی در پزشکی بپردازیم. کاربردهای هوش مصنوعی در پزشکی دامنه ی وسیعی دارد در ادامه تعدادی از این موارد را بررسی می کنیم.

جراحی رباتیک

ربات ها می توانند بتوانند ابزار جراحی را حین جراحی هدایت کنند و عملیات جراحی را انجام دهند. جراحی به کمک ربات به صورت کمتر تهاجمی انجام می شود یعنی دیگر نیازی به ایجاد برش های بزرگ در بدن بیمار نیست و با میزان کمتری برش می توان جراحی را انجام داد.

در یک مطالعه که روی ۳۷۹ بیمار ارتوپدی انجام شده است، مشخص شده که جراحی رباتیک با کمک هوش مصنوعی مشکلات را تا ۵ برابر نسبت به روشی که جراح به تنهایی جراحی می کند، کاهش داده است. یک ربات برای اولین بار در یک عمل جراحی چشم مورد استفاده قرار گرفته است و رباتی به نام Da Vinci به دکتر ها در انجام عملیات پیچیده کمک کرده که نسبت به روش های مرسوم کنترل بیشتری را فراهم کرده است. جراحان قلب، از Heartlander استفاده کرده اند که ربات کوچکی است که وارد قفسه ی سینه می شود تا درمان را روی قلب انجام دهد.

خدمات پرستاری مجازی

خدمات پرستاری مجازی می توانند تا ۲۰ بیلیون دلار هزینه ی پرستاری را در سال کاهش دهند. به دلیل در دسترس بودن شبانه روزی پرستاران مجازی، آن ها می توانند در هر زمانی به سوالات پاسخ دهند و بر بیمار نظارت داشته باشند. ارتباط بین بیمار و مراکز درمانی و بین ادارات از کاربردهای دیگر پرستاران مجازی است. Angel، یک دستیار مجازی پرستاری است که می تواند با استفاده از صوت و هوش مصنوعی سلامتی افراد را بررسی کند.

تشخیص بیماری به کمک هوش مصنوعی

تشخیص بیماری یکی از کاربردهای هوش مصنوعی است که هنوز در مراحل اولیه ی خود به سر می برد. دانشگاه استنفورد از یک الگوریتم هوش مصنوعی برای شناسایی و تشخیص سرطان پوست استفاده کرده است. و نتایجی مشابه با تشخیص پزشکان دست یافته است. یک شرکت هوش مصنوعی دانمارکی به نام Corti برنامه ی یادگیری عمیق خود را برای تشخیص ایست قلبی مورد آزمایش قرار داد. در این آزمایش، الگوریتم صحبت های فرد، تن صدا و نویز پس زمینه را مورد آزمایش قرار داد و  موفق به تشخیص ۹۳ درصد تشخیص درست نسبت به ۷۳ درصد تشخیص توسط انسان شد. Baidu Research گزارش داده که با استفاده از الگوریتم یادگیری عمیق تشخیص سرطان سینه بهتر از تشخیص انسانی انجام شده است.

برنامه ی ResearchKit ساخت شرکت اپل به منظور کمک به بیماران پارکینسون و آسپرگر طراحی شده به این صورت که کاربر با نرم افزار در تعامل است و نرم افزار هم به وضعیت فرد در هر لحظه دسترسی دارد. در نتیجه تغییرات علائم بیمار مشخص می شود و تمام علائم در طول زمان جمع آوری می شود.

تحلیل تصویربرداری های پزشکی

در پروژه ی  InnerEye توسط شرکت ماکروسافت از سال ۲۰۱۰ شروع به کار کرده است که از تکنولوژی یادگیری ماشین برای تحلیل تصاویر رادیولوژی سه بعدی استفاده می کند. در ویدئوی زیر، تیم این پروژه به توضیحی در مورد InnerEye پرداخته اند.

توسعه ی داروهای جدید

توسعه ی داروهای جدید کار بسیار پر هزینه ای است. بسیاری از فرایندهای تحلیلی مرتبط با توسعه ی دارو می توانند توسط هوش مصنوعی به صورت کارامدتری انجام شوند. در واقع هزینه ی زمانی و مالی زیادی که برای توسعه ی یک دارو نیاز هست این گونه کاهش می یابد.

آینده ی هوش مصنوعی در پزشکی

درمان شخصی سازی شده

در حال حاضر پزشکان برای تشخیص بیماری به علایم محدودی دسترسی دارند. فرض کنید فرزند شما بیمار می شود، دکتر دوز مشخصی از دارو را برای او تجویز می کند. در آینده ی نه چندان دور، همه ی بیماران دوز یکسانی از دارو را دریافت نمی کنند. اگر پزشک به تاریخچه و اطلاعات ژنتیکی فرد بیمار دسترسی داشته باشد، دوز مشخصی که مطابق با این اطلاعات است برای او تجویز می شود. در واقع درمان شخصی سازی شده این امکان را فراهم می کند که هر فردی با توجه به تاریخچه ی بیماری و اطلاعات ژنتیکی، شرایط گذشته، رژیم ها، سطح استرس و اطلاعات دیگر، درمان مخصوص به خود را داشته باشد.

درمان یا توصیه های خودکار

این در واقع بخش کوچکی از درمان خودکار است. تصویر کنید سیستمی وجود دارد که می تواند دوز یک مسکن را به صورت خودکار و با استفاده از داده های مربوط به خون، رژیم، خواب و استرس تعیین کند. یک دستیار خودکار میزان مصرف و شرایط بیمار را نظارت می کند و در صورت لزوم به پزشکش هشدار می دهد. شرکت Medtronic  اعلام کرده که می خواهد، بررسی مقدار انسولین، نظارت سطح گلوکز و تزریق انسولین مورد نیازرا به صورت خودکار و بدون مداخله در زندگی فرد انجام شود. 

شرکت هوش داده مهتاب نیز دو محصول خود را با استفاده از الگوریتم های هوش مصنوعی توسعه داده است. نرم افزار تشخیص چهره رخ نگار و نرم افزار پلاک خوان خودنگار با استفاده از فناوری های هوش مصنوعی پیاده سازی شده اند.

منبع یک، منبع دو، منبع سه، منبع چهار