موضوع: تشخیص بیماری با هوش مصنوعی گوگل

طراحي نرم افزار تشخيص بيماري ها به وسيله هوش مصنوعي
نــرم‌افــزار جــامــع پـشتيبـان تصميـم‌گيـري در پزشكي يكي از نرم‌افزارهائي است كه با استفاده از هــوش مـصـنـوعـي بـه تـشـخـيـص بـيـمـاري‌هـا براساس علائم اقدام مي‌كند به طوري كه كاربر بــا وارد كــردن نـشــانــه‌هــاي بـيـمـاري بـه رايـانـه، فـهـرسـتـي از بـيـمـاري‌هـاي مـحـتـمل را مشاهده خواهد كرد.
ثبت دقيق شرح حال بيمار، تشكيل پرونده، درخواست آزمايش‌هاي اوليه و تكميلي، تجويز هــوشـمـنــد دارو، نـسـخــه نــويـسـي، جـسـتـجـوي اطلاعات بيماري، روش درمان، بانك اطلاعات داروهــــا، روش مــصــــرف و مــشــخـــص كـــردن عوارض جانبي دارو‌ها را از مزاياي اين نرم افزار است.
ايـن نـرم افـزار همچنين مي‌تواند بيش از دو هــزار بـيـمــاري و 300 عــلائـم و نـيـز اطـلاعـات جامعي در زمينه 600 آزمايش پزشكي 130 مورد جراحي و 900 عنوان دارو را در خود ذخيره كند.
مهم‌ترين قابليت اين نرم افزار بررسي و تشخيص همزمان1500 بيماري و 100 هزار رابط بين بيماري ها است و براي كمك بيشتر به پزشكان ده هزار صفحه از متون معتبر پزشكي ، مجلات ، مقالات و تصاوير تخصصي در اين نرم افزار جمع آوري شده است.
استفاده از قابليت‌هاي هوش مصنوعي در تشخيص عفونت هاي قلبي تهديد كننده
بــا كمـك دو بـرنـامـه جـديـد هـوش مصنـوعـي، امكـان تشخيـص عفـونـت‌هـاي قلبـي تـهـديـدكـنـنده حيات بيماران و همچنين درمان زخم‌هاي باز بدون نياز به فرآيندهاي مـعـمـول و زمـان‌بر درماني براي پزشكان فراهم شده است. پيشرفت حاضر در زمينه تشخيص عوارض مهلك در حالي صورت مي‌گيرد كه به اعتقاد جامعه پزشكي، جدا از نتايج چشمگير آن در نجات جان انسان‌ها و اجتناب از اعمال جراحي تهاجمي و رنج آور، اين پژوهش مي‌تواند بدون نياز به انجام آزمايش‌هاي متعدد به صرفه‌جويي ميليوني هزينه‌هاي بيمارستاني در سال كمك كند.
اين نرم‌افزار براي شناسايي بيماران داراي عفونت‌هاي قلبي توسعه يافته بوده و اين در صورتي است كه چنين عفونت‌هايي با نرخ مرگ و مير بين 30 تا 50 درصد، از عفونت‌هاي بـسـيــار وخـيــم بــه شـمــار مــي‌رونــد. تـشـخـيــص دادن الـتـهــابــات غـشــاي درونــي قـلـب (اندوكارديتيك) يك عمل جراحي تهاجمي محسوب مي‌شود و قصد از طراحي اين نرم افزار تشخيص اين عفونت بدون روانه كردن لوله كاوشي به درون مري فرد بيمار است..
تصويري كه با استفاده از داخل كردن ابزار آندوسكوپي به درون ناي شخص بيمار كه با كمك دارو تسكين دهنده، گرفته مي‌شود اصطلاحا قلب‌نگاري فرامري (ترانسوفاژل اندوكارديوگرام) است كه در نوع خود فرآيندي تهاجمي و گران به حساب مي‌آيد. در واقع يك عمل 30 دقيقه‌اي با اين روش بالغ بر 2000 دلار هزينه دربر دارد و از طرفي انجام اين عمل به تجهيزات فني خاصي نياز دارد كه بسياري از بيمارستان‌ها فاقد آن هستند. اين در حالي است كه پزشكان مي توانند به جاي وارد كردن لوله‌هاي پزشكي، به وارد كردن داده‌هاي لازم به رايانه و تحليل آن ها بپردازند. در اين شيوه عمل، پزشكان ابتدا با ثبت داده‌هايي از جمله ضربان قلب، فشار خون، شمارش گلبول‌هاي سفيد خون، حضور ادواتي نظير ضربان سازهاي قلبي يا ساير دستگاه‌هاي تعبيه شده، دماي بدن دريافتي بيمـاران در رايـانـه، نـرم‌افزار دستيار عمل خود را آماده سازي مي‌كنند. در اين ميان، تشخيص نهايي اين بيماران نيز شامل اطلاعات داده شده به رايانه خواهد بود. در مرحله بعدي اين الگوريتم رايانه‌اي به تحليل داده‌هاي موجود براي ارتباط دادن علائم بيماري با تشخيص بيماري مي‌پردازد. در 50 درصد موارد اين نرم‌افزار مي‌تواند ظرف كمتر از 4 ثانيه يك پيش‌بيني محاسبه‌اي را با دقت 99/99 درصد انجام دهد، در باقي موارد نيز اين نرم‌افزار، بيش از 80‌‌درصد صحت عمل داشته است. البته محققان به اين مرحله بسنده نكرده و قصد دارند، گام بعدي پروژه هوش مصنوعي خود را روي 200 مورد از پرونده پزشكي بيماراني اجرا كنند كه رايانه، اطلاعي از تشخيص نهايي آن ها ندارد. تشخيص عفونت‌هاي قلبي مشكل است اما اغلب مي‌توان آن ها را با تجويز و مصرف حدود يك هفته آنتي‌بيوتيك‌معالجه كرد.
‌طراحي نرم افزاري بر پايه هوش مصنوعي براي كمك به التيام زخم هاي باز
‌زخم‌هاي باز كه پس از هفته‌ها يا ماه‌ها درمان، در برابر التيام و بهبود مقاومت كرده، معالجات را رد مي‌كنند و به عنوان زخم‌هاي كم خون موضعي شناخته مي‌شوند، راه تشخيص آساني دارند اما در عوض به طرز نااميدكننده‌اي درمان دشواري را به همراه دارند و حتي به اعتقاد برخي پزشكان، اين گونه زخم‌ها هر درماني را بي اثر مي‌كنند و انگار كه هيچ درماني براي التيام آن ها صورت نگرفته است. در همين ارتباط، گروهي از محققان، موفق به توسعه الگوريتمي رياضياتي شده‌اند كه مي‌تواند زمان بسته شدن يك زخم باز از نوع كم خون موضعي و همچنين اين را كه چه عوارض و پيامدهايي طي فـرآينـد قطـع جـريـان خون و بندآوري بروز مي‌كند، پيش‌بيني كند. مدل‌هاي فعلي، زخم‌هايي را هدف مي‌گيرند كه در هر صورت بسته خواهند شد، و هدف توسعه مدلي براي زخم‌هايي است كه نمي‌خواهند بسته شوند.
مـواردي همچـون زخـم‌پـاي بيمـاران ديـابتي يا زخم بيماراني كه به دليل عوارض ديگري، قبلا فرآيند بيمارستاني را گذرانده‌اند، از موارد شايع و هدف زخم‌هاي باز مـحسـوب مـي‌شـود. گـروهـي تحقيقـاتـي بـراي كمـك بـه درمـان زخـم‌هـاي مـوضعـي، برنامه‌اي را توسعه داده‌اند كه داده‌هاي بيماران را پردازش مي‌كند؛ اطلاعاتي از قبيل غلظت خون، فاكتورهاي رشد، حضور گلبول‌هاي سفيد و تراكم فيبروبلاستي از جمله داده‌هـايـي اسـت كـه بـه رايانه داده مي‌شوند. رايانه نيز با استفاده از اين داده‌ها مدلي سه‌بعدي از زخم مربوط را ايجاد و چگونگي التيام يافتن و بهبود سريع آن را ظاهر مي‌‌كند و به‌علاوه زمان بسته شدن زخم را نيز تخمين مي‌زند. به ادعاي محققان اكنون و بر اساس اين مدل، يك زخم معمولي ظرف حدود 13 روز بسته خواهد شد و اين در حالي است كه پس از گذشت 20 روز تنها 25 درصد از زخم‌هاي باز موضعي التيام و بهبود مي‌يابند. اين اعداد و ارقام با آنچه عملا براي بيماران اتفاق مي‌افتد، تطبيق مي‌كند، اما در اين ميان نبايد از نظر دور داشت كه تا اينجاي كار تنها در قالب تئوري استفاده شده و مدل حاضر هنوز روي بيماران انساني امتحان نشده است.
به اعتقاد برخي محققان، فناوري هوش مصنوعي يا به عبارتي سامانه‌هاي شبيه‌ساز نحوه كاركردهاي مغز خواه براي بهبود زخم‌ها و چه در مورد عفونت‌هاي قلبي به كار بـرده شوند، دست كم به اين زودي‌ها جاي پزشكان واقعي را نخواهند گرفت. اين شبكه‌هاي عصبي مصنوعي نه مي‌توانند بيماران را ببينند و نه مي‌توانند آن ها را براي يـافتـن عـلائـم عفـونـت و آلـودگـي يا نشانه‌هاي مرضي مورد آزمايش قرار دهند؛ اما واقعيت اين است كه چنين برنامه‌هايي در موارد گيج‌كننده و مبهم كه كار تشخيص بيماري با دشواري مواجه مـي‌شـود و تشخيـص صحيـح و بـه‌مـوقـع بـراي پزشك و بيمار بسيار حياتي است، دستياري قابل و مورد اطمينان براي متخصصان باليني به شمار مي‌رود
https://www.epre.ir/discussions/3363...%A7%D9%86.html

نرم‌افزار تشخیص بیماری با هوش مصنوعی طراحی شد!


نرم افزار هوش مصنوعی جدید طراحی شده، با اسکن چشم افراد بیماری‌هایی را که علائم و نشانه‌های آن در چشم‌ها دیده می‌شود تثبیت می‌کند. این نرم‌افزار قادر به تشخیص بیماری با هوش مصنوعی می‌باشد.

همانگونه که در مطالب قبلی در مورد هوش مصنوعی ذکر شده ، این تکنولوژی جدید پس از آنکه به اندازه کافی توسعه یافته است، هیچ محدودیتی برای استفاده از آن در زمینه‌های مختلف وجود ندارد. هوش مصنوعی که به تازگی توسعه یافته است به تصاویر چشم مردم نگاه می‌کند و بدون نیاز به یک متخصص پزشکی، علائم مواد مخدر و بیماری را جستجو می‌کند. حتی ابزار تشخیص هوش مصنوعی جدید با تصویب اداره غذا و داروی آمریکا (FDA) قادر خواهد بود تا بدون نیاز به پزشک، فرم‌های رسمی ارائه دهد. تشخیص بیماری با هوش مصنوعی بدین ترتیب است که هوش مصنوعی عکسهای شبکیه‌ای را که توسط یک پرستار یا پزشک بارگذاری شده است، بررسی می‌کند و با توجه به الگوریتم نرم افزاری IDx-DR، پرونده‌ی داروهای مورد استفاده توسط افراد و بیماری‌هایی که آنها دارند را تحویل می‌دهد.
تشخیص بیماری با هوش مصنوعی از طریق شبکیه‌ی چشم در آزمایشات بالینی که در آن هوش مصنوعی از الگوریتم IDx-DR در بیش از ۹۰۰ تصویر استفاده کرده ، قادر به تشخیص بیماری با ضریب درستی ۸۷٪ بوده است. در حال حاضر، آنها قصد دارند از نرم افزار جدید استفاده کنند تا پرستاران و پزشکانی که متخصص چشم نیستند، بتوانند گزارش‌های بالینی را ارائه دهند.
همانطور که همه می‌دانید در رانندگی تست الکل در موارد لازم از طرف پلیس راهمایی و رانندگی کنترل می‌شود، اما برای تست مواد مخدر باید به بیمارستان مراجعه شود و تاز مانیکه مورد بسیار خاصی وجود داشته باشد این تست‌ها انجام نمی‌شود. به منظور جلوگیری از این وضعیت و به حداقل رساندن ضرر و زیان جانی به منظور تشخیص بیماری با هوش مصنوعی با دادن دستگاه‌های کوچکی به دست پلیس‌های راهنمایی رانندگی انجام اسکن شبکیه‌ی چشم برای تست استفاده از مواد مخدر ممکن خواهد شد. همانطور که در ابتدای مطلب آورده بودیم، برای جنبه‌های استفاده‌ از برنامه‌های هوش مصنوعی هیچ محدودیتی وجود ندارد.
با داغترین و به روزترین اکتشافات علمی با سایت تکنولوژی و فناوری دیجیبول با ما همراه باشید.
منبع: theverge
نرم‌افزار تشخیص بیماری با هوش مصنوعی طراحی شد! - دیجیبول، بولتن دیجیتال و فناوری

تشخیص زود هنگام آلزایمر با هوش مصنوعی


در بین تمامی کشورهای منطقه خاورمیانه، ایران تنها کشوری است که در حال حاضر دارای درصد بالای مرگ و میر ناشی از آلزایمر است. بنابراین مشاهده می‌کنیم این ترس به گونه‌ای بر زندگی ما اثر خواهد گذاشت.


دکتر سید علی صادق زاده متخصص هوش مصنوعی و علوم اعصاب محاسباتی

ایران آنلاین / بیشتر ما می‌خواهیم طول عمر نسبتاً خوبی داشته باشیم. با این انتظار از زندگی، فرض کنیم که اکنون در سن 85 سالگی هستیم. احتمال آن کم نیست که در این سن از بیماری آلزایمر رنج نبریم. شاید این تصور پیش بیاید که من مبتلا نخواهم شد. با فرض درستی این موضوع، این احتمال وجود دارد که شما پرستار یک بیمار آلزایمری باشید. در حال حاضر در بین 172 کشور جهان، ایران جایگاه سی‌ام را در مرگ و میر ناشی از آلزایمر را داراست که البته نرخ بسیار بالایی است. با توجه به اینکه جمعیت کشور ایران در اواخر دهه پنجاه و همچنین دهه شصت شمسی افزایش چشمگیری را تجربه کرده است، این میزان قطعاً در سال های آینده رشد چشمگیری خواهد داشت و به معضلی جدی نه فقط برای نظام سلامت کشور که برای تمامی خانواده‌های ایرانی تبدیل خواهد شد. خصوصاً اینکه تغییر سبک زندگی در سال‌های اخیر نیز به افزایش این نرخ کمک بیشتری کرده است. جالب است مد نظر داشته باشیم که در بین تمامی کشورهای منطقه خاورمیانه، ایران تنها کشوری است که در حال حاضر دارای درصد بالای مرگ و میر ناشی از آلزایمر است. بنابراین مشاهده می‌کنیم که این ترس به گونه‌ای بر زندگی ما اثر خواهد گذاشت. بخشی از این ترس از این موضوع نشأت می‌گیرد که به رغم دهه‌ها تلاش تحقیقاتی تاکنون هیچ نسخه شفابخشی برای این بیماری ساخته نشده است. لذا چنانچه این مقدار خوشبخت باشیم که طول عمر بالایی داشته باشیم، آلزایمر می‌تواند بخشی از سرنوشت مغزمان باشد. شاید بتوان حتی بدون نیاز به یافتن درمان کامل بیماری از آن جان سالم به در برد. اما چگونه؟ ابتدا اجازه دهید بخشی از عملکرد سیستم عصبی مغز را با هم بررسی کنیم. کوچکترین واحد پردازشگر در مغز، سلول‌های عصبی به نام «نرون‌ها» هستند و تعداد آنها از زمان تولد در مغز ما ثابت یا کم می شود. نرون‌ها از طریق گذرگاهی به‌نام «سیناپس» با یکدیگر ارتباط برقرار می‌کنند. این گذرگاه مکانی است که عملاً ما با آن فکر می‌کنیم، آرزو می‌کنیم، احساس می‌کنیم و به‌یاد می‌آوریم. تعداد این گذرگاه‌ها از زمان تولد به‌طور فزاینده‌ای با افزایش یادگیری در مغز ما افزایش می‌یابد. لذا آموزش و یادگیری تأثیر مستقیم در افزایش این گذرگاه‌ها دارد. بیماری آلزایمر دقیقاً گذرگاهی به این مهمی و حیاتی را نشانه می‌رود. حال بیایید روی این گذرگاه‌های حیاتی متمرکز شویم. در طول فعالیت این گذرگاه‌ها علاوه بر انتشار پیام رسان‌های عصبی نظیر «گلوتامیک» که منجر به تبادل داده‌ها بین سلول های مغز می‌شوند، نرون‌ها از خود ماده‌ای به نام «بتا آملوئید»تولید می کنند. در حالت عادی «آملوئید بتا» در مغز توسط سلول‌های نظافتچی مغزمان که «میکروگلیا» نامیده می‌شود پاکسازی می‌شوند. بیشتر دانشمندان علوم اعصاب بر این باورند که بیماری زمانی شروع می‌شود که «بتا آملوئید»‌ها در فضای سیناپس ها، یا همان گذرگاه ها، در مغز ما شروع به تجمع می کنند. وقوع این اتفاق کافی است که به‌دنبال تجمع «بتا آملوئید»ها در عملکرد سیناپس اختلالی ایجاد شده که به تولید ماده‌ای چسبنده به نام «آملوئید پلاک» منجر شود.
اگر در حال حاضر حدود 40 سال یا بیشتر سن دارید می‌توانید جزو آن دسته افرادی باشید که در این مرحله قرار دارند. این مرحله اولیه بیماری است. در این مرحله امکان تشخیص بیماری توسط علائم آن در حد صفر است. البته اخیراً اسکن های «توموگرافی پِت» که بسیار هم گرانقیمت است امکان تشخیص را تا حدودی به ما می‌دهد. نکته مهم این است که این مرحله هیچ نشانه خاصی ندارد. در این مرحله هیچ نوع اختلالی در حافظه، احساسات، ادراک و زبان فرد پیش نمی‌آید که نهایتاً منجر به تشخیص شود. درست بین 15 تا 20 سال زمان می‌برد تا نخستین نشانه‌های بیماری خود را نشان داده و این زمانی است که تراکم پلاک‌ها به اوج رسیده و منجر به «آبشارهای مولکولی» می‌شود. بروز این اتفاق سبب می‌شود که شما مثلاً هنگام صبح به‌دنبال مسواک خود می گردید ولی آن را پیدا نمی‌کنید. وقتی آن را پیدا می‌کنید که مسواک شما از یک جای نامربوط، مثلاً فریزر منزل، سر درآورده است غافل از آنکه شما شب گذشته آن را در فریزر گذاشته‌اید.
نهایتاً بیماری آنقدر پیشرونده می‌شود که منجر به مرگ نرونی می‌شود. همان‌طور که پیشتر گفته شد مغز ما هیچ نرونی را در طول حیات تولید نمی‌کند و اگر نرونی در مغز از بین برود این فقدان همیشگی خواهد بود. اما چه چیزی منجر به مرگ نرونی می شود؟ در مرحله اوج تراکم پلاک‌های «آملوئید» سلول‌های نظافتچی (میکروگلیا) که مسئولیت نظافت فضای سیناپسی را داشتند بشدت فعالیت می کنند و مقدار زیادی مواد شیمیایی تولید می‌کنند تا این حجم از پلاک‌های «آملوئید» را از بین ببرند. اما این حجم از فعالیت و تولید مواد شیمیایی در این فضا، باعث التهاب و در پی آن آسیب سلولی می‌شود. در نتیجه پروتئین پیام‌رسانی به نام «تائو» در درون نرون تبدیل به ماده‌ای به نام «تانگل» می‌شود. تولید این ماده باعث بروز مرگ برنامه‌ریزی شده نرون (Apoptosis) شده و نهایتاً نرون را از کار می‌اندازد.
ورود هوش مصنوعی به حوزه تشخیص آلزایمر
اگر شما یک پژوهشگر در حوزه درمان بیماری آلزایمر بودید در کدام مرحله وارد عمل می‌شدید؟ پلاک‌های آملوئید را کبریتی روشن در نظر بگیرید. در مرحله نقطه اوج این پلاک‌ها، فرض می‌کنیم که جنگل توسط این کبریت به آتش کشیده شود. زمانی که جنگل غرق در آتش است دیگر خاموش کردن کبریت اثری ندارد. باید ترتیبی اندیشیده می شد که قبل از به آتش کشیده شدن جنگل، کبریت خاموش می‌شد. حالا پاسخ کاملاً بدیهی است. ورود باید در مرحله آغازین بیماری باشد، یعنی زمانی که پلاک‌های آملوئید در مرحله ساخت و انباشت هستند. محققان در درمان بیماری آلزایمر باید این پلاک‌ها را از رسیدن به نقطه اوج بازدارند. این بدان معنی است که تمام تلاش‌ها برای کشف دارو باید روی ساخت ترکیبی به‌کار گرفته شود که مانع تراکم پلاک‌های آملوئید و حتی حذف یا کاهش آنها شود. لذا روش درمانی در این بیماری بسیار شبیه روش درمانی پیشگیرانه است، یعنی ما دارویی را مصرف خواهیم کرد تا مانع رسیدن پلاک‌های آملوئید به نقطه اوج، مانع ایجاد آبشار مولکولی و نهایتاً مانع قرار دادن مسواک درون فریزر شویم. اما متأسفانه تاکنون، تمامی تلاش‌های تحقیقاتی در آزمایش‌های بالینی‌شان در این حوزه، منتج به شکست بوده است، نه به‌خاطر ضعف علمی بلکه به این سبب که تشخیص مرحله اولیه بسیار دشوار است و معمولاً افراد تحت مطالعه در این آزمایش‌ها به نقطه اوج پلاک‌های آملوئید رسیده‌ و حتی دارای علائم بیماری‌اند. این زمان برای مطالعه درمانی بسیار دیر است لذا هوش مصنوعی به حوزه تشخیص وارد می‌شود.
تمام تمرکز پژوهشگران هوش مصنوعی فعال در حوزه علوم اعصاب محاسباتی و داینامیک مغز اکنون بر تشخیص بیماری در مرحله اولیه است. آنها معتقدند که هوش مصنوعی این پتانسیل را داراست تا روش یا روش‌هایی ابداع کند که تهاجمی نبوده، در دسترس بوده، ارزان باشد و بروز بیماری را یک یا حتی دو دهه پیش از بروز علائم و آسیب به سلول‌های مغزی تشخیص دهد. البته که عمده این فعالیت‌ها چنان است که فناوری ارائه شده قابلیت استفاده برای آحاد مردم را داشته باشد و صرفاً قابل ارائه در مراکز درمانی خاص نباشند. ارائه چنین امکانی نه تنها باعث افزایش کیفیت و حتی کمیت زندگی افراد مبتلا به آلزایمر خواهد شد بلکه تمرکز پژوهشگران بر مطالعه و یافتن روش‌های درمانی به منظور ساخت و تولید داروهای جدید را بسیار آسان تر خواهد کرد. آنچه که هوش مصنوعی را در زمینه تشخیص بیماری بسیار خاص کرده است، این است که هوش مصنوعی ثابت کرده که چگونه تکنیک‌های به‌کار گرفته شده در تشخیص می‌توانند در طول زمان هوشمندتر شوند. همچنین این تکنیک‌ها می‌توانند با درجه بسیار بالایی از دقت و در عین حال با کمترین هزینه، چه به لحاظ زمانی و چه به لحاظ مالی، به تشخیص بیماری بپردازند.
در جدیدترین تلاش‌ها «نیکولا آموروزو» و همکارانش در دانشگاه «بری» ایتالیا یک تکنیک یادگیری ماشین به‌منظور تشخیص تغییرات ساختاری مغز که ناشی از بیماری آلزایمر است توسعه داده‌اند. آنها با استفاده از تصاویر اسکن‌های رادیواکتیو پت توانسته‌اند این بیماری را حدود 10 سال پیش از بروز علائم مشخص کنند، اما متأسفانه این روش بسیار تهاجمی، گرانقیمت و فقط در مراکز تخصصی کاملاً خاص قابل پیاده‌سازی است.
یکی دیگر از تلاش‌ها در دانشگاه VU آمستردام هلند صورت گرفته است. این روش در نهایت می‌تواند غربالگری را به‌صورت خودکار انجام داده و به تشخیص انواع مختلف زوال عقل کمک کند. سیستم جدید قادر به طبقه‌بندی انواع زوال عقل با استفاده از اسکن‌های مغزی است. دقت این روش می‌تواند تا 90 درصد باشد. ایرادی که این روش دارد این است که کاملاً در زمان اولیه تولید و تجمع پلاک‌های آملوئید نمی‌تواند تشخیص را انجام دهد خصوصاً اینکه در اکثر بیماران، علائم بیماری تا حدودی بروز پیدا کرده است.
در یکی دیگر از تلاش‌ها، نگارنده و همکاران در آزمایشگاه هوش مصنوعی دانشگاه بریستول و هاُل بریتانیا برآنند تا این مرحله از بیماری را با استفاده از تغییرات ریتمیک مغز و به کمک الگوریتم‌های یادگیری تشخیص دهند. آخرین یافته‌ها در این خصوص حاکی از آن است که ترشح «آملوئید بتا» و ساخت پلاک‌های آملوئید منجر به تغییر در الگوی ریتم‌های مغزی می‌شود. با کشف الگوهای حاصل از این تغییرات می‌توان به ساخت ابزاری غیر تهاجمی و دردسترس جهت تشخیص در مراحل آغازین بیماری پرداخت. این موارد ذکر چند مثال از آخرین تلاش‌های هوش مصنوعی در این زمینه است. در حال حاضر شاهد فعالیت گروه‌های تحقیقاتی متعددی در سراسر جهان در این زمینه هستیم که بررسی مورد به مورد این فعالیت‌ها نیازمند یک مقاله بررسی (review paper) جداگانه است که از حوصله بحث فعلی خارج است.
ما نمی‌توانیم روند پیر شدن را متوقف کرده یا ژن‌هایی را که به ارث برده‌ایم تغییر دهیم. بنابراین از این منظر نمی‌توانیم تغییری در سرنوشت مغزمان ایجاد کنیم. اما خبر خوب آنکه تحقیقات نشان داده است با تغییر در روش‌های زندگی می‌توانیم در بروز بیماری تأخیر ایجاد کرده، کیفیت آن را تغییر داده و حتی از بروز آن جلوگیری کنیم./ روزنامه ایران
تشخیص زود هنگام آلزایمر با هوش مصنوعی

هوش مصنوعی در پزشکی آینده آمیخته می شود ( بخش نخست)

حضور هوش مصنوعی در پزشکی جدید اجتناب ناپذیر است. البته هوش مصنوعی هرگز جایگزین پزشکان نخواهد شد بلکه با گسترش افق دید پزشک به وی آسودگی و آرامش در تشخیص و درمان را هدیه خواهد داد. تنها در این صورت است که پزشکان قادر به انجام همین امر در مورد بیماران خواهند بود. به دلیل علاقمندی زیاد به مباحث مرتبط با هوش مصنوعی، در این مقاله از مجله‌ی فناوری‌های پوشیدنی و توان افزا به حضور هوش مصنوعی در عرصه‌ی پزشکی پرداخته خواهد شد.

هوش مصنوعی در خدمت پزشکان

Bertalan Meskó که به عنوان پزشکی آینده نگر شناخته می‌شود هوش مصنوعی را گوشی پزشکان در قرن بیست و یکم نامیده است. این تشبیه وی می‌تواند بیش از آن‌چه انتظار می‌رود به حقیقت نزدیک باشد. اما گوشی جدید پزشکان دقیقا به چه کار می‌آید؟
برای درک بهتر کارکرد هوش مصنوعی در پزشکی باید به چند نکته دقت کرد. نخست اینکه کارکرد هوش مصنوعی در پزشکی چیست؟ سپس باید به دقت و کارایی آن در مقابل افراد پزشک توجه کرد. همچنین باید از خطرساز نبودن آن اطمینان حاصل کرد. تنها با داشتن دیدی کامل از این نکات می‌توان در مورد پیوند هوش مصنوعی و پزشکی نظر داد.

هوش مصنوعی در برابر پزشکان

حتی در ابتدای راه نیز هوش مصنوعی در تشخیص بیماری بسیار موفق بوده است. هوش مصنوعی John Radcliffe Hospital در انگلستان در ۸۰ درصد موارد قادر به تشخیص صحیح بیماری قلبی و سرطان ریه است. به عبارتی این دستگاه با دقتی بالاتر از انسان قادر به تشخیص بیماری است. میکروسکوپ هوشمند دانشگاه هاروارد که با تصاویر نمونه‌های واقعی خون و یادگیری ماشین کار می‌کند نمونه‌ای دیگر است. این دستگاه می‌تواند عفونت‌های کشنده‌ی خونی را تشخیص دهد.
کارکرد بهینه تحت فشار ناشی از زمان اندک در دسترس برای تشخیص ویژگی منحصر به فرد رایانه و هوش مصنوعی است. در این موارد هوش مصنوعی توانایی فوق العاده بالایی در تشخیص سرطان متاستاز سینه از خود نشان داده است. در این میان IBM’s Watson را نباید فراموش کرد. این هوش مصنوعی با مرور اطلاعات ژنتیکی می‌تواند در ده دقیقه توصیههای پزشکی مفیدی ارائه دهد. مرور همین اطلاعات و نتیجه‌گیری از ان ها توسط انسان ۱۶۰ ساعت زمان نیاز دارد.
ناگفته نماند که هوش مصنوعی دانشگاه Nottingham به خوبی می‌تواند حملات قلبی را پیش‌بینی کند. این هوش مصنوعی ۷.۶ درصد بهتر از نرخ تشخیص کنونی پزشکان عمل کرده است. در آزمایشی با 378,256 این نرخ به معنای 83,000 زندگی است. این هوش مصنوعی نرخ کمی در پیش‌بینی های نادرست نیز دارد. پیش‌بینی نادرست به معنای آزمایش‌های بیشتر برای بیماران است و تحمل بسیاری از آزمایش‌ها برای بیمار دشوار است.

سامانه تشخیص بیماری با هوش مصنوعی

برتری هوش مصنوعی در تجزیه و تحلیل مقادیر عظیمی داده بر کسی پوشیده نیست. در حقیقت تفاوت بسیار زیادی در کارکرد انسان و هوش مصنوعی در این مورد وجود دارد. The Human Diagnosis Project یا Human Dx) با ترکیب تجربه‌ی روزانه‌ی یک پزشک و هوش مصنوعی سعی در پر کردن این فاصله دارد. این برنامه با مشارکت ۷۵۰۰ پزشک از ۵۰۰ مرکز مختلف در ۸۰ کشور جهان به دنبال طراحی یک سامانه برای اتخاد تصمیمات پزشکی است. این سامانه برای بیماران و پزشکان قابل استفاده خواهد بود.
به گفته‌ی Shantanu Nundy مسئول طرح Human Dx این سامانه باید کاملا با کاربر خود سازگار باشد به طوری که کاربر متوجه استفاده از یک هوش مصنوعی نباشد. این فناوری نهایتا با سرعت بخشیدن به تشخیص زمان پزشکان را بهینه کرده و به ایشان فرصت بیشتری در درمان بیماری می‌دهد. چراکه امروزهپزشکان نیمی از زمان خود را پشت صفحه نمایشگر برای تحلیل اطلاعات سپری می‌نمایند.
humanDX.com

مراقبت‌های روانی یا روان درمانی

هوش مصنوعی در پزشکی به بهبودی افراد کمک می‌کند. در این راستا می‌توان از Cogito یاد کرد. Cogito از سامانه‌ی تشخیص صدا برای بهبود امور مشتریان در صنایع بسیاری بهره می‌برد. این هوش مصنوعی به شکل یک برنامه‌ی کاربردی تلفن همراه در دسترس است. Cogito Companion یک برنامه سلامت ذهن است که رفتارهای بیمار را پیگیری می‌کند. این برنامه روی سیستم عامل Android‌ نیز قابل استفاده است.
این برنامه با ردگیری میزان استفاده از تلفن همراه کار می‌کند. برنامه مکان تلفن همراه را پیگیری می‌کند. در صورتیکه بیمار مدت زیادی منزل خود را ترک نکرده باشد یا تغییر مکان نداده باشد باید با وی تماس برقرار کرد. همچنین در صورتیکه فرد مدت زیادی با کسی تماس تلفنی نداشته باشد یا پیامی ارسال ننموده باشد، برنامه شرایط را به گروه پیگیری کننده‌ی وضعیت بیمار اطلاع می‌دهد. سازندگان مدعی هستند که برنامه تنها برقراری تماس تلفنی و یا ارسال پیام را ثبت می‌نماید و محتویات پیام‌ها یا جزئیات تماس را ثبت نمی کند.

,

نحوه ی کارکرد هوش مصنوعی Cogito در روان درمانی

آزمایش برنامه با کمک سربازان بازنشسته یا افراد در حال استراحت پس از ماموریت‌های سنگین انجام شده است. این افراد گوشه‌گیر هستند و اغلب از اجتماع فاصله می‌گیرند. در این موارد برنامه انگیزه‌ی مشارکت در درمان را در افراد تقویت می‌کند و از این لحاظ نوعی انگیزش روانی برای افراد ایجاد می‌کند.
برنامه از هوش مصنوعی برای تحلیل فایل‌های صوتی ضبط شده توسط بیمار استفاده می‌کند. هوش مصنوعی به دنبال نشانه‌هایی در صدای فرد می‌گردد. این روند مشابه پیگیری صدای فرد در مکالمه‌ای عادی است. انرژی کلام، زیر و بم صدا و … نشانه‌هایی از احساسات فرد به دست می‌دهند.
این نشانه‌ها می‌تواند در تشخیص افسردگی مفید باشد. همچنین با مقایسه صدای یک بیمار دوقطبی در هنگام افسردگی یا جنون می‌توان به بیماری وی پی برد. به عبارت بهتر این برنامه ویژگی‌های انسانی یک مکالمه را دریافته و از آن برای تحلیل ویژگی‌های روانی ذهن سود می‌برد. این مرحله‌ی نخست است. پس از تشخیص باید درمانی را یافت که کار کرده و موثر باشد.

هوش مصنوعی و عرصه‌های مختلف پزشکی

همان گونه که تا کنون اشاره شد، حضور هوش مصنوعی در پزشکی بسیار گسترده است و تا کنون نیز تا حد زیادی رخ داده است. به جز روان درمانی و تشخیص گوشه گیری و افسردگی، و درمان تشویش این ابزار در رادیولوژی، پیشگیری و درمان اعتیاد، جراحی نیز حضور فعال داشته است.
اینکه تا چه حد می‌توان به قدرت هوش مصنوعی تکیه کرد و تا چه میزان توقعات ما از این ابزار برآورده خواهد شد نیازمند بحث دیگری است. برای کسب اطلاع در مورد مکان فعلی هوش مصنوعی می‌توانید به این نوشتار مراجعه نمایید. آنچه مسلم است علاقمندی بسیاری از مهندسان و پزشکان به هوش مصنوعی به عنوان ابزاری کمکی است. به دلیل علاقمندی بسیار به کاربردهای دیگر هوش مصنوعی قسمت دوم از این نوشتار به معرفی هوش مصنوعی در جراحی خواهد پرداخت.
هوش مصنوعی در پزشکی آینده آمیخته می شود ( بخش نخست) - مجلۀ فناوریهای توان‌افزا و پوشیدنی