یادداشت

سـلامت جامعـه با ابـزار هــو ش مـصـنـو عـی در مهـنـدسـی پـزشـکــی

سیدسامان بزرگیان دانشجوی مهندسی پزشکی دانشگاه علوم پزشکی آزاد تهران:

مهندسـی پزشکی رشته‌ای بین‌رشته‌ای میان پزشکی، مهندسی و علوم پایه است که با هدف بررسی، تحقیق، به‌کار بردن، تعمیر، نگهداری، ایجـاد وسایـل و ادوات مهنـدسی در حـوزه پزشکی مورد استفاده قرار می‌گیرد. نقطه شروع رشته مهندسی پزشکی از زمانی اسـت کـه انـسـان از ابـزارهـای لازم بـرای فعالیت‌های پزشکـی استفاده نمود. امروزه به کاربـرد تکنـولـوژی و علـوم مهنـدسـی در حوزه‌هـای مختلف بیشتـر وابسته هستیـم و وابستگی حوزه سلامت نیز به مباحث مهندسی بویـژه مهندسـی پزشکـی بیشتـر و عمیقتـر می‌باشد.

هـوش مصنـوعـی (AI) بـه عنـوان یـکـی از فناوری‌های پرکاربرد و مـؤثر در دنیای امروز، نقش بسیار مهمی در توسعه و پیشرفت حوزه مهندسی پزشکـی ایفا می‌کنـد و بعنوان یک ابزار قدرتمند کارایی و دقت مهندسی پزشکی را ارتقاء بخشیده و نیاز به نوآوری در این حوزه را به تجدید نظر کشانده است.

امـروزه بسیـاری از پـزشکـان متخصـص در محیط‌های بالینی و یا آزمایشگاه‌های تحقیقاتی و پژوهشی از الگوریتم های هوش مصنوعی و سایر برنامه‌های کاربردی مرتبط با آنها استفاده می‌کنند. به لطف پیشرفت‌های اخیـر در علـم کامپیوتر و انفورماتیک، هوش مصنوعی (AI) به بخشی جدایی ناپذیر از مراقبت های بهداشتی مدرن تبدیل شده است. به طور خلاصه به مسائل مرتبط با یادگیری، پیش بینـی و انجـام کار هوشمنـدانه توسط کامپیوتـر هوش مصنوعی (Artificial intelligence) گفته مـی‌شود.

هوش مصنوعی (AI) به نوعی شبیه‌سازی هوش انسـان در ماشین‌هـایی گفتـه می‌شـود که با برنامه ریزی مشخص بخشی اعظمی از عملکرد هوشی انسان را تقلید و عملی می سازند. لذا هر دستگاهی که دارای ویژگی‌های مرتبط با ذهن انسان مثل یادگیری و حل مسئله باشد، شامل آن می‌گردد. در واقـع هـوش مـصنـوعـی در پـزشـکـی الگوریتم‌هایی هستند که با روش‌های مبتنی بر یادگیری و پیش بینی، به مدل‌هایی برای تحلیل داده‌های پزشکی و کشف بینش‌ها برای کمک به بهبود نتایج سلامت و تجربیات بیمار دست پیدا می‌کنند.

در زمینه طراحی و توسعه دستگاه‌های پزشکی، هوش مصنوعـی نقش کلیدی ایفا می‌کند. از روبات‌های جراحی تا دستگاه‌های تشخیصی پیشرفتـه، از الگوریتـم‌ها و مدل‌های هوش مصنوعی برای بهبود عملکرد این تجهیزات استفاده می‌شـود. این تجهیزات به پزشکان امکان انجام جراحی‌های دقیقتـر و تشخیص سریعتر بیماری‌ها را می‌دهند. در مهندسی پزشکی، هوش مصنوعی همچنین در زمینه مدیریت بیماری‌ها و انتشار آنها نقش بسیار مهمی ایفا می‌کند. با تحلیل داده‌های بیمـاری و الگوهـای اپیدمیولوژیکی، می‌توان به پیش بینی انتشار بیمـاری‌هـا و اتخـاذ اقـدامـات پیشگیـرانـه پرداخت. هوش مصنوعی در پزشکی سفارشی نیز کاربرد دارد.

این سیستم‌ها می‌توانند به پزشکان در تجزیه و تحلیل دقیق داده‌های بیماری‌ها و مشکلات سلامتـی خاص بیماران کمک کرده و تصمیم گیری‌های سفارشی برای هر بیمار ایجاد کنند. هوش مصنـوعی در ایجاد نـرم افزارها و اپلیکیشن‌های پزشکی نیز نقش دارد. این نرم‌افزارها به بیماران کمک می‌کنند تا بهبود کیفیت مدیریت بیماری‌ها و دنبال کردن نکات سلامتی را داشته باشند. هوش مصنوعی برای مهندسان پزشکی ابزارها و تکنیک‌هایی فراهم می‌آورد که امکان بهبود تشخیص، مراقبت و مدیریت بیماران را بهبود می‌بخشد.

از تشخیص بیمـاری‌ها تا مدیریت درمان‌ها، هوش مصنوعی به پزشکان و مهندسان پزشکی ابزارهای قدرتمندی را ارائه می‌دهد. از مزایای استفاده از هوش مصنوعی در پزشکی می تـوان به فراهم نمودن داده هـای بلادرنگ ( Real-time) ساده سازی وظایف ، ذخیره سازی زمان و منابع ، کمک کردن به تحقیقات و کاهش استرس کادر درمان را نام برد. از معایب استفاده از هوش مصنوعی در پزشکی می‌توان به نیازمند بودن نظارت انسانی، احتمال نادیده گرفتن متغیرهای اجتماعی، منجر شدن به بیکاری تعداد زیادی انسان در بلندمدت، ناکافـی بودن دقت و مستعـد بودن خطرات امنیتی را عنوان نمود.

صنعت هوش مصنوعی در پزشکی نیز مانند دیگر بخش‌های علوم و مهندسی کامپیوتر، صنعتی رو به رشد و نوین است که امروزه شرکت‌های بزرگ بسیاری در حوزه‌های متفاوت آن مشغول به فعالیت هستند. در این بخش چندین شرکت فعال و قوی در حوزه هـوش مصنـوعی در پـزشکی به اختصارمعرفی می گردد.

* PathAI: فناوری یادگیری ماشینی را برای کمـک بـه آسیـب شنـاسـان در تشخـیـص دقیق‌تـر توسعـه می‌دهد. اهـداف فعلـی این شرکت شامل کاهش خطا در تشخیص سرطان و توسعه روش‌هایی برای درمان پزشکی فردی است. PathAI با توسعه دهندگان دارو مانند Bristol-Myers Squibb و سازمان‌هایی مانند بنیاد بیل و ملیندا گیتس برای گسترش فناوری هـوش مصنـوعـی خـود بـه سـایر صنـایـع مراقبت های بهداشتی کار می‌کند.

* Viz.ai: در مـراقبت‌هـای بهداشتـی، تأخیـر می‌تواند به معنای تفاوت بین زندگی و مرگ باشد، بنابراین Viz.ai به تیم‌های مراقبت کمک می‌کند تا با راه حل‌های مراقبت‌های بهداشتی مبتنـی بر هـوش مصنوعـی سریع‌تر واکنش نشان دهند. محصـولات هـوش مصنـوعی ایـن شـرکت می‌تواننـد مشکلات را شناسـایی کـرده و تیم‌های مراقبت را سریعاً مطلع کنند، و به ارائه دهندگان این امکان را می‌دهند تا در مورد گزینه‌ها بحث کنند، تصمیمات درمانی سریعتری ارائه دهند، در نتیجه جان افراد را نجات دهند.

* Buoy Health: یک بررسی کننده علائم و درمان مبتنی بر هوش مصنوعی است که از الگوریتم‌هایی برای تشخیص و درمان بیماری استفاده می‌کند. نحوه کار به این صورت است: یک چت بات به علائـم و نگرانـی‌های سلامتـی بیمـار گـوش می‌دهد، سپـس بیمار را بر اساس تشخیـص خود او را راهنمایی می‌کند و روش‌های مراقبتی صحیح را به او نشان می‌دهد . هـوش مصنـوعی بـویی که توسـط تیمـی از دانشکده پزشکی هاروارد توسعه یافته است بـه تشخیص و درمان سریعتر بیماران کمک می‌کند.

* Enlitic: ابزارهـای پزشکی یادگیـری عمیق را برای سـاده کردن تشخیص‌های رادیـولوژی توسعه می‌دهد. پلتفرم یادگیری عمیق این شـرکت، داده‌هـای پـزشکـی بدون ساختـار، تصاویر رادیولـوژی، آزمایش خـون، EKG ، ژنومیک، تاریخچـه پزشکی بیمار-را تجزیـه و تحلیل می‌کند تا به پزشکان بینش بهتری نسبت به نیازهای آنی بیمار بدهد.

* terative Scopes: بـرای بهبـود تشخیص و درمـان بیمـاری، هـوش مصنـوعی را در گاستروانترولوژی اعمال می‌کند. سرویس استخـدام هـوش مصنوعی ایـن شرکت از الگوریتم‌های محاسباتی برای خـودکار کردن فرآیند شنـاسایی بیمارانی استفاده می‌کند کـه واجد شرایـط کاندیـد شـدن بالقوه برای آزمـایش‌های بالینـی بیماری التهـابی روده هستند.

* Iterative Scopes : همچنین اولین کارآزمایی بالینی دستگاه SKOUT خود را ارائه کرد، ابزاری که از هوش مصنوعی برای کمک به پزشکان بـرای شناسـایی پولیپ‌های بالقـوه سرطانی استفاده می‌کند تا توسط FDA بررسی شود. باور بر این است که هوش مصنوعی، در خدمات بهداشتی آینده تاثیر به سزایی خواهد داشت.

بسیاری معتقدند، در پشت پرده پیشرفت و توسعه پزشکی دقیق، نقش اساسی را، هوش مصنوعی با اتکا به روش های یادگیری ماشین ایفا خواهد کرد. اگرچه تلاش‌های اولیه برای تشخیص بیماری و ارائه توصیه‌های درمانی، چالش برانگیز بوده، انتظار می‌رود هوش مصنوعی، این حوزه را نیز به سلطه خود در آورد. با توجه به سرعت پیشرفت هوش مصنوعی در زمینه آنالیز تصویر، به نظر می‌رسد سرانجام روزی، بیشتر تصاویر رادیولوژی و پاتولوژِی، توسط ماشین‌ها بررسی شوند. استفاده از قابلیت‌های تشخیص گفتار و متن که در حال حاضر برای وظایفی مانند ارتباط با بیمار و یادداشت علائم بالینی به کار میروند نیز، افزایش خواهد یافت.

بزرگ ترین چالش پیش روی هوش مصنوعی در زمـینـه پـزشکـی، ایـن نیـست کـه آیـا تکنولوژی ها به اندازه کافی مفید هستند یا نه؛ بلکه اطمینان از پذیرش آنها برای استفاده به طور روزانه است. برای بـه دست آمدن این اعتمـاد و پذیـرش، هوش مصنوعی باید توسط تنظیم کننده‌ها تأیید شود، با سیستم های EHR یکپارچه شود، به اندازه‌ای استاندارد شوند که محصـولات مشابه به شکل مشابه کار کنند، به پزشکان آمـوزش داده شـونـد، هزینـه آنهـا تـوسـط سازمان های دولتی یا غیردولتی پرداخت شده و طی زمان به روز رسانی شوند.

این چالش‌ها، روزی از سـر راه کنار خـواهند رفت، امـا این امر بسیار بیشتـر از بلوغ خود فناوری ها زمان می‌برد؛ در نتیجه انتظار می‌رود تا 5 سال آینده شاهد استفاده محدود از هوش مصنوعی در زمینه های بالینی و استفاده گسترده تر از آن، طی 10 سال آینده باشیم. بدیهی است که هوش مصنوعی به طور کلی، جایگزین پزشکان انسانی نخواهد شد؛ بلکه توانـایی آنها را بـرای مراقبت‌های پزشکـی افزایش خواهد داد.

با گذر زمان، ممکن است پـزشکان، به سمت مشاغلـی سـوق داده شـوند، که نیـازمند قابلیت‌های منحصر به انسان مانند همدلی، مشاوره ومتقاعد کردن افراد و درک جامع از شرایط هستند. احتمالاً در میان افرادی که خدمات درمانی ارائه می‌دهند، تنها کسانی که از کار در کنار هوش مصنوعی امتناع کنند، شغل خود را از دست خواهند داد.

نوشته های مشابه

دکمه بازگشت به بالا