کاربرد هوش مصنوعی در صنعت پزشکی

در ابتدای بررسی تاثیر هوش مصنوعی در صنعت پزشکی نیازمند این هستیم که بدانیم هوش مصنوعی چیست؟

هوش مصنوعی (Artificial Intelligence) را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانشها، علوم، و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخه‌ها، فروع، و کاربردهای گونه‌گونه و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم ارتباطات و زمینه‌های بسیار دیگر.

هوش مصنوعی را به عنوان کوششهائی در پی ساختن رایانه های نظام مند ( سخت افزار و نرم افزار ) که رفتاری شبیه انسان داشته باشند ، بیان می کنند . یک سیستم هوش مصنوعی به راستی نه مصنوعی است و نه هوشمندبلکه دستگاهی است هدف گرا که مسائل را به روش مصنوعی حل می کند ، این سیستم ها بر پایه دانش ، تجربه و الگوهای استدلالی انسان به وجود آمده اند .

هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته بندی و تعریف ماشینهای متفکر، می‌بایست به تعریف «هوش» پرداخت. همچنین به تعاریفی برای «آگاهی» و «درک» نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم.

هنوز تعریف دقیقی که مورد قبول همهٔ دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده‌است، و این امر، به هیچ وجه مایهٔ تعجّب نیست. چرا که مقولهٔ مادر و اساسی‌تر از آن، یعنی خود هوش هم هنوز بطور همه‌جانبه و فراگیر تن به تعریف نداده‌است. در واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که: هوش چیست؟

 

اما اکثر تعریف‌هایی که در این زمینه ارایه شده‌اند بر پایه یکی از چهار باور زیر قرار می‌گیرند:

· سیستم‌هایی که به طور منطقی فکر می‌کنند

· سیستم‌هایی که به طور منطقی عمل می‌کنند

· سیستم‌هایی که مانند انسان فکر می‌کنند

· سیستم‌هایی که مانند انسان عمل می‌کنند

 

شاید بتوان هوش مصنوعی را این گونه توصیف کرد:«هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها رابهتر انجام می‌دهند»

تعریف دیگری كه از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:

« هوش مصنوعی، شاخه‌ایست از علم كامپیوتر كه ملزومات محاسباتی اعمالی همچون ادراك (Perception) ، استدلال (Reasoning) و یادگیری (Learning) را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد.»

و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:

«هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل كامپیوتر به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد.»

در مقایسه هوش مصنوعی با هوش انسانی می توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم میباشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی کامپیوتر میباشد. در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر ما هنوز قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده ایم.

روش شناسی  (Methodology ) هوش مصنوعی هنوز به عنوان یک نقطه ضعف مورد انتقاد بسیاری از صاحبنظران است ، از نظر برخی از آنان این ضعف یک شکل تکاملی است که به تاریخچه کوتاه علم رایانه مربوط است .

روش های هوش مصنوعی روش هائی هستند که به درد مسائلی می خورند که به خوبی تعریف شده اند ، به طور مثال بسیاری از مسائل محاسباتی معمولی از محاسبات فیزیک گرفته تا محاسبه حقوق و دستمزد از این دسته مسئل هستند که برای آنها الگوریتم مشخصی وجود دارد و نیازی به جستجو برای یافتن حل مسأله نیست .

به یاری پژوهش‌های گسترده دانشمندان علوم مرتبط، هوش مصنوعی از آغاز پیدایش تاکنون راه بسیاری پیموده‌است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این علم، یاری کرده‌است. یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.

برای نمونه به رباتی هوشمند بیاندیشید که بتواند اعضای بدن خود را به حرکت درآورد، او نسبت به این حرکت خود آگاه بوده و با سعی و خطا، دامنه حرکت خود را گسترش می‌دهد، و با هر حرکت موفقیت آمیز یا اشتباه، دامنه تجربیات خود را وسعت بخشیده و سر انجام راه رفته و یا حتی می‌دود و یا به روشی برای جابجا شدن، دست می‌یابد، که سازندگانش، برای او، متصور نبوده‌اند.

هوش مصنوعی یا Artificial Intelligence امروزه در صنعت پزشکی از جایگاه بالا و ویژه ای برخوردار است. حال در این مقاله می خواهیم به تعدادی از کاربردهای هوش مصنوعی در پزشکی اشاره کنیم:

 

1- طراحی نرم افزار تشخیص بیماریها بوسیله هوش مصنوعی

نرم‌افزار جامع پشتیبان تصمیم‌گیری در پزشکی یکی از نرم‌افزارهائی است که با استفاده از هوش مصنوعی به تشخیص بیماری‌ها براساس علا‌ئم اقدام می‌کند به طوری که کاربر با وارد کردن نشانه‌های بیماری به رایانه، فهرستی از بیماری‌های محتمل را مشاهده خواهد کرد.

ثبت دقیق شرح حال بیمار، تشکیل پرونده، درخواست آزمایش‌های اولیه و تکمیلی، تجویز هوشمند دارو، نسخه نویسی، جستجوی اطلا‌عات بیماری، روش درمان، بانک اطلا‌عات داروها، روش مصرف و مشخص کردن عوارض جانبی دارو‌ها را از مزایای این نرم افزار است.

این نرم افزار همچنین می‌تواند بیش از دو هزار بیماری و 300 علا‌ئم و نیز اطلا‌عات جامعی در زمینه 600 آزمایش پزشکی، 130 مورد جراحی و 900 عنوان دارو را در خود ذخیره کند.

مهمترین قابلیت این نرم افزار بررسی و تشخیص همزمان هزار و پانصد بیماری و 100 هزار رابط فی ما بین بیماریها می باشد و برای کمک بیشتر به پزشکان ده هزار صفحه از متون معتبر پزشکی، مجلا‌ت، مقالا‌ت و تصاویر تخصصی در این نرم افزار گردآوری شده است.

 

2- استفاده از قابلیتهای هوش مصنوعی در تشخیص عفونتهای قلبی تهدید کننده

با كمك 2 برنامه جدید هوش مصنوعی، امكان تشخیص عفونت‌های قلبی تهدیدكننده حیات بیماران و همچنین درمان زخم‌های باز بدون نیاز به فرآیندهای معمول و زمانبر درمانی برای پزشكان فراهم شده است. پیشرفت حاضر در زمینه تشخیص عوارض مهلك در حالی صورت می‌گیرد كه به اعتقاد جامعه پزشكی، جدا از نتایج چشمگیر آن در نجات جان انسان‌ها و اجتناب از اعمال جراحی تهاجمی و رنج آور، این پژوهش می‌تواند بدون نیاز به انجام آزمایش‌های متعدد به صرفه‌جویی میلیونی هزینه‌های بیمارستانی در سال كمك كند.

این نرم‌افزار را برای شناسایی بیماران دارای عفونت‌های قلبی توسعه یافته و این در صورتی است كه چنین عفونت‌هایی با نرخ مرگ و میر بین 30 تا 50 درصد، از عفونت‌های بسیار وخیم به شمار می‌روند. تشخیص دادن التهابات غشای درونی قلب (اندوكاردیتیك) یك عمل جراحی تهاجمی محسوب می‌شود و قصد از طراحی این نرم افزار تشخیص این عفونت بدون روانه كردن لوله كاوشی به درون مری فرد بیماراست..

تصویری كه با استفاده از داخل كردن ابزار آندوسکوپی به درون نای شخص بیمار كه با كمك دارو تسكین دهنده ، گرفته می‌شود اصطلاحا قلب‌نگاری فرامری (ترانسوفاژل اندوكاردیوگرام) است كه در نوع خود فرآیندی تهاجمی و گران به حساب می‌آید. در واقع یك عمل 30 دقیقه‌ای با این روش بالغ بر 2000 دلار هزینه دربر دارد و از طرفی انجام این عمل به تجهیزات فنی خاصی نیاز دارد كه بسیاری از بیمارستان‌ها فاقد آن هستند. این در حالی است كه پزشكان می توانند به جای وارد كردن لوله‌های پزشكی، به وارد كردن داده‌های لازم به رایانه و تحلیل آنها بپردازند. در این شیوه عمل، پزشكان ابتدا با ثبت داده‌هایی از جمله ضربان قلب، فشار خون، شمارش گلبول‌های سفید خون، حضور ادواتی نظیر ضربان سازهای قلبی یا سایر دستگاه‌های تعبیه شده، دمای بدن دریافتی بیماران در رایانه، نرم‌افزار دستیار عمل خود را آماده سازی می‌كنند. در این میان، تشخیص نهایی این بیماران نیز شامل اطلاعات داده شده به رایانه خواهد بود. در مرحله بعدی این الگوریتم رایانه‌ای به تحلیل داده‌های موجود برای ارتباط دادن علائم بیماری با تشخیص بیماری می‌پردازد . در 50 درصد موارد این نرم‌افزار می‌تواند ظرف كمتر از 4 ثانیه یك پیش‌بینی محاسبه‌ای را با دقت 99/99 درصد انجام دهد ، در باقی موارد نیز این نرم‌افزار، بیش از 80‌‌درصد صحت عمل داشته است. البته محققان به این مرحله بسنده نكرده و قصد دارند، گام بعدی پروژه هوش مصنوعی خود را روی 200 مورد از پرونده پزشكی بیمارانی اجرا كنند كه رایانه، اطلاعی از تشخیص نهایی آنها ندارد.تشخیص عفونت‌های قلبی مشكل است اما اغلب می‌توان آنها را با تجویز و مصرف حدود یك هفته آنتی‌بیوتیك‌ معالجه كرد.

 

3- طراحی نرم افزاری بر پایه هوش مصنوعی برای کمک به التیام زخمهای باز

زخم‌های باز كه پس از هفته‌ها یا ماه‌ها درمان، در برابر التیام و بهبود مقاومت كرده، معالجات را رد می‌كنند و به عنوان زخم‌های كم خون موضعی شناخته می‌شوند، راه تشخیص آسانی دارند اما در عوض به طرز ناامیدكننده‌ای درمان دشواری را به همراه دارند و حتی به اعتقاد برخی پزشكان، این گونه زخم‌ها هر درمانی را بی اثر می‌كنند و انگار كه هیچ درمانی برای التیام آنها صورت نگرفته است. در همین ارتباط، گروهی از محققان، موفق به توسعه الگوریتمی ریاضیاتی شده‌اند كه می‌تواند زمان بسته شدن یك زخم باز از نوع كم خون موضعی و همچنین این را كه چه عوارض و پیامدهایی طی فرآیند قطع جریان خون و بندآوری بروز می‌كند، پیش‌بینی كند. مدل‌های فعلی، زخم‌هایی را هدف می‌گیرند كه در هر صورت بسته خواهند شد، و هدف توسعه مدلی برای زخم‌هایی است كه نمی‌خواهند بسته شوند.

مواردی همچون زخم‌ پای بیماران دیابتی یا زخم بیمارانی كه به دلیل عوارض دیگری، قبلا فرآیند بیمارستانی را گذرانده‌اند، از موارد شایع و هدف زخم‌های باز محسوب می‌شود. گروهی تحقیقاتی برای كمك به درمان زخم‌های موضعی، برنامه‌ای را توسعه داده‌اند كه داده‌های بیماران را پردازش می‌كند؛ اطلاعاتی از قبیل غلظت خون، فاكتورهای رشد، حضور گلبول‌های سفید و تراكم فیبروبلاستی از جمله داده‌هایی است كه به رایانه داده می‌شوند. رایانه نیز با استفاده از این داده‌ها مدلی سه‌بعدی از زخم مربوط را ایجاد و چگونگی التیام یافتن و بهبود سریع آن را ظاهر می‌‌كند و بعلاوه زمان بسته شدن زخم را نیز تخمین می‌زند. به ادعای محققان اكنون و بر اساس این مدل، یك زخم معمولی ظرف حدود 13 روز بسته خواهد شد و این در حالی است كه پس از گذشت 20 روز تنها 25 درصد از زخم‌های باز موضعی التیام و بهبود می‌یابند. این اعداد و ارقام با آنچه عملا برای بیماران اتفاق می‌افتد، تطبیق می‌كند، اما در این میان نباید از نظر دور داشت كه تا اینجای كار تنها در قالب تئوری استفاده شده و مدل حاضر هنوز روی بیماران انسانی امتحان نشده است.

به اعتقاد برخی محققان، فناوری هوش مصنوعی یا به عبارتی سامانه‌های شبیه‌ساز نحوه كاركردهای مغز خواه برای بهبود زخم‌ها و چه در مورد عفونت‌های قلبی به كار برده شوند، دست كم به این زودی‌ها جای پزشكان واقعی را نخواهند گرفت. این شبكه‌های عصبی مصنوعی نه می‌توانند بیماران را ببینند و نه می‌توانند آنها را برای یافتن علائم عفونت و آلودگی یا نشانه‌های مرضی مورد آزمایش قرار دهند؛ اما واقعیت این است كه چنین برنامه‌هایی در موارد گیج‌كننده و مبهم كه كار تشخیص بیماری با دشواری مواجه می‌شود و تشخیص صحیح و بموقع برای پزشك و بیمار بسیار حیاتی است، دستیاری قابل و مورد اطمینان برای متخصصان بالینی به شمار می‌رود.

 

منبع: virgool

 

همچنین بخوانید:

هوش مصنوعی و كاربردهای آن در پزشكی (بخش اول)

هوش مصنوعی و كاربردهای آن در پزشكی (بخش دوم)

هفت راهی که هوش مصنوعی حوزه سلامت را متحول کرده است

بالا