دات نت نیوک
Menu

کاربرد هوش مصنوعی در طبابت بالینی

یک لیست گسترده از سیستم های هوش مصنوعی (گذشته و حال حاضر) وجود دارد که در طبابت بالینی بکار گرفته شده اند. این آرشیو بدواَ توسط پروفسور انریکو کويیرا (Enrico Coiera) در دانشگاه نیو ساوت ولز استرالیا ایجاد و مدیریت گردید و بعدها از سال ۲۰۰۲ توسط موسسه OpenClinical استفاده و توسعه داده شده است.

دسته بندی :


دکترهایی از جنس هوش مصنوعی

یک شرکت استارت‌آپ به نام doc.ai به‌تازگی اقدام به طراحی سیستمی کرده است که به کمک، آن بیماران می‌توانند توسط پزشکانی از جنس هوش مصنوعی، معالجه و درمان شوند.


این شرکت به‌صورت مشترک با محققانی از دانشگاه‌های کمبریج و استنفورد همکاری داشته است تا یک زنجیره زمانی بر پایه استفاده از هوش مصنوعی را طراحی نماید. گفته می‌شود این سیستم می‌تواند با بیماران ارتباط مستقیم برقرار کرده و با آنها در زمینه‌های مختلف مربوط به بیماری به گفت‌وگو و تعامل بپردازد و پس از شناسایی نشانه‌های بیماری، نظر نهایی خود در زمینه تشخیص مشکل بیمار را عرضه کند. این پلتفرم قرار است تا در قالب نرم‌افزار به‌عنوان خدمات عرضه شود و خدمات آن نیز در اختیار شرکت‌های پزشکی قرار بگیرد؛ به همین دلیل نیز می‌توان انتظار داشت که این پروژه با استقبال شرکت‌های فعال در زمینه علوم پزشکی روبرو گردد.

هوش مصنوعی در پزشکی

از همان اوایل تاریخ مدرن کامپیوتر، دانشمندان در رؤیای خلق یک "مغز الکترونیک" بوده اند. از تمامی مأموریت های تکنولوژیک مدرن، این جستجو برای ایجاد سیستم های کامپیوتری هوش مصنوعی (AI) یکی از جاه طلبی ترین و جای تعجب نیست اگر بگوییم بحث برانگیزترین هاست.از تمامی مأموریت های تکنولوژیک مدرن، این جستجو برای ایجاد سیستم های کامپیوتری هوش مصنوعی (AI) یکی از جاه طلبی ترین و جای تعجب نیست اگر بگوییم بحث برانگیزترین هاست.

همچنین به نظر می رسد که خیلی زود، دانشمندان و پزشکان پا به پای هم جذب پتانسیل چنین فناوری در پزشکی شدند. ( Ledley and Lusted, 1959) با استفاده از کامپیوترهای هوشمند امکان ذخیره و پردازش حجم وسیع دانش فداهم شد، امید این بود که این کامپیوترها «پزشکانی در یک جعبه» شوند و یا در وظایفی مانند تشخیص گذاری به کمک کلینیسین ها بیایند. با چنین انگیزه هایی جمعیتی اندک ولی نوآور از دانشمندان حوزه کامپیوتر و متخصصین حوزه سلامت یک برنامه پژوهشی را در برخی حوزه های تخصصی ترتیب دادند که نامش را هوش مصنوعی در پزشکی یا (Artificial Intelligence in Medicine (AIM نهادند. در بررسی این زمینه جدید در سال 1984، Clancey و Shortliffe تعریف زیر را ارائه دادند: 

  • "هوش مصنوعی پزشکی عمدتا به ساخت برنامه های AI که تشخیص گذاری و توصیه های درمانی را انجام می دهند، مربوط می شود. بر خلاف برنامه های پزشکی مبتنی بر روش های دیگر برنامه نویسی، مانند روش های آماری و احتمالاتی، برنامه های AI پزشکی مبتنی بر مدل های نمادین موجودیت های بیماری و ارتباط آنها با فاکتورهای مربوط به بیمار و تظاهرات بالینی است."

از آن زمان تا کنون خیلی تغییر کرده است و امروز این تعریف از لحاظ محدوده و چشم انداز باریک محسوب می شود. امروزه بر اهمیت تشخیص گذاری به عنوان وظیفه ای که در شرایط بالینی معمول نیاز به حمایت کامپیوتری داشته باشد، تأکید بسیار کمتری می شود. بنابراین، علیرغم تمرکز تحقیقات اولیه بر درک و حمایت از مواجهه های بالینی، سیستم های خبره، امروزه بیشتر احتمال دارد که در آزمایشگاههای بالینی و حیطه های آموزشی، برای نظارت بالینی یا در مناطق مملو از داده مانند بخشهای مراقبت ویژه مورد استفاده قرار گیرند. با این حال، برای آن روز ، جنین چشم اندازی در تعریف AIM انقلابی محسوب می شد. 

پس از اشتیاق و سرخوشی اولیه حول وعده برنامه های تشخیص کذاری با هوش مصنوعی، در دهه گذشته شاهد نوعی توهم زدایی در بسیاری از افراد در خصوص چنین سیستم هایی بوده ایم. با این وجود، در حالی که قطعا چالش هایی در توسعه چنین سیستم هایی وجود دارد، در واقع آنها قابلیت اعتماد و دقت خود را در موارد تکرارشونده ثابت کرده اند (Shortliffe، 1987). 

بیشتر مشکلات در روش ضعیفی است که این سیستم ها در آن به طبابت بالینی پیوسته اند، یا به حل مسائلی مبادرت ورزیده اند که اصولاَ به عنوان مشکل مبتلابه آن نیستند یا باعث تحمیل تغییراتی در شیوه کار پزشکان شده اند. آنچه در حال حاضر درک می شود این است که وقتی برنامه های هوشمند در جای مناسبی قرار می گیرند، واقعا منافع قابل توجهی را ارائه می دهند. یکی از مهمترین وظایفی که امروزه توسعه دهندگان سیستم های مبتنی بر AI با آن مواجهند، این است که به دقت جنبه هایی از طبابت پزشکی را مشخص نمایند که برای ورود سیستم های هوش مصنوعی مناسب هستند.


 Bertalan Meskó که به عنوان پزشکی آینده نگر شناخته می‌شود هوش مصنوعی را گوشی پزشکان در قرن بیست و یکمنامیده است. این تشبیه وی می‌تواند بیش از آن‌چه انتظار می‌رود به حقیقت نزدیک باشد .

**************************************************************************

قدرت شناخت انسان، مجموعه پیچیده ای از پدیده ها است و سیستم های هوش مصنوعی می توانند از دو طریق مختلف به آن مربوط باشند. طرفداران به اصطلاح  AI "قدرتمند" علاقه مند به ایجاد سیستم های کامپیوتری هستند که رفتار آنها در برخی از سطوح از انسان ها غیر قابل تشخیص باشد. توفیق در این راه می تواند منجر به خلق ذهن های کامپیوتری گردد که ممکن است در ساختارهای فیزیکی خود مانند روبات ها زندگی کند، یا شاید در دنیای مجازی مانند فضای اطلاعات ایجاد شده توسط عنصری مانند اینترنت، زندگی کند.

یک رویکرد جایگزین برای AI قدرتمند این است که به شناخت انسان نگاه کنیم و تصمیم بگیریم که چگونه می تواند در شرایط پیچیده یا دشوار پشتیبانی شود. برای مثال، یک خلبان جنگنده ممکن است نیاز به کمک سیستم های هوشمند برای کمک در هدایت هواپیما داشته باشد که برای انسان بسیار پیچیده است که خودش به تنهایی این کار  را انجام دهد. این سیستم های "ضعیف" AI قصد ندارند که وجود مستقلی داشته باشند، اما شبیه شکلی از پروتز شناختی هستند که انسان را در انجام وظایف مختلف پشتیبانی می کنند.

سیستم های AIM به طور عمده برای حمایت از کارکنان مراقبت های سلامت در انجام عادی کارهایشان و برای کمک به وظایفی هستند که به دستکاری داده ها و دانش مربوط می شوند. برای مثال یک سیستم هوش مصنوعی می تواند در داخل یک سیستم پرونده الکترونیک پزشکی اجرا شود و یک پزشک را هنگام برخورد با یک مورد منع اقدام یا کنترااندیکاسیون برای یک درمان برنامه ریزی شده هشدار دهد. همچنین می تواند پزشک را در صورت تشخیص الگویی در داده های بالینی که بیانگر تغییرات قابل توجهی در وضعیت بیمار است، آگاه نماید.

در امتداد کارهایی که نیاز به استدلال بر اساس دانش پزشکی دارند، سیستم های هوش مصنوعی در روند پژوهش های علمی نیز نقش بسیار متفاوتی را ایفا می کنند. به طور خاص، سیستم های هوش مصنوعی توانایی یادگیری دارند، که منجر به کشف پدیده های جدید و ایجاد دانش پزشکی می شود. به عنوان مثال، یک سیستم کامپیوتری می تواند برای تجزیه و تحلیل حجم عظیمی از داده ها مورد استفاده قرار گیرد و با جستجوی الگوهای پیچیده درون آن داده ها روابط قبلی غیر منتظره ای را مطرح نماید یا اینکه با بررسی موارد کافی از یک مدل مبتنی بر دانش پزشکی فعلی، یک سیستم AI می تواند تعارض مجموعه جدیدی از مشاهدات تجربی را با نظریه های موجود نشان دهد.