هوش مصنوعی، سلاح قدرتمند مقابله با كووید-۱۹!
تعمیرکار: هوش مصنوعی، فناوری مهمی است که در حوزه های گوناگونی کارآیی دارد و هم اکنون نیز کاربرد قابل توجهی را در مقابله با کووید-19 نشان داده است.
به گزارش تعمیرکار به نقل از ایسنا، شیوع کووید-۱۹ تاثیرات منفی قابل توجهی بر جهان داشته است. از زمان شروع شیوع این بیماری تاکنون، خیلی از افراد به آن مبتلا شده اند و تعداد قابل توجهی از مردم نیز زندگی خودرا از دست داده اند. همه گیری کووید-۱۹، خیلی از پژوهشگران و مقامات حوزه سلامت جهان را وادار کرده است تا ابزارهای مبتنی بر هوش مصنوعی را توسعه بدهند و آنها را حتی قبل از اثبات کامل عملکردشان، به شکل گسترده تری در پزشکی و درمان به کار بگیرند. حتی تعدادی از ابزارها و یا الگوریتم های مبتنی بر هوش مصنوعی، مجوز ضروری استفاده را از طرف "سازمان غذا و داروی آمریکا" (FDA) دریافت کرده اند.
سرعت گرفتن کوشش های پژوهشگران برای مقابله با همه گیری کووید-۱۹، تا حدود زیادی به خاطر حجم گسترده داده ها و تاثیر هوش مصنوعی بوده است. مدلهای مبتنی بر هوش مصنوعی قبل از این نیز در ارتباط با شیوع چندین بیماری دیگر نیز مورد استفاده قرار گرفته اند. هوش مصنوعی می تواند نقشی حیاتی در مقابله با کووید-۱۹ داشته باشد.
هوش مصنوعی تا حالا با موفقیت برای تشخیص بیماریها، بررسی بیماران، پیش بینی شیوع بیماری در آینده و خطر مرگ و میر به کار رفته است. کاربردهای هوش مصنوعی، علاقه و امید زیادی را برای مقابله با کووید-۱۹ پدید آورده اند.
در این گزارش، به زمینه های مختلف کاربرد هوش مصنوعی در مقابله با کووید-۱۹ می پردازیم.
پیش بینی و ردیابی بیماری
هوش مصنوعی می تواند با استخراج اطلاعات از پلت فرم های رسانه های اجتماعی و وب سایت های خبری، به پیش بینی گسترش کروناویروس کمک نماید و اطلاعات سودمندی را برای پیش بینی میزان مرگ و میر عرضه نماید.
یکی از نرم افزارهای مبتنی بر هوش مصنوعی موسوم به "Bluedot" می تواند با بهره گیری از داده های موجود و یادگیری ماشینی، به شناسایی منطقه ای بپردازد که کووید-۱۹ در آن شیوع یافته است. نرم افزار دیگری موسوم به "HealthMap"، داده های مربوط به کووید-۱۹ را گردآوری می کند و آنها را در دسترس قرار می دهد تا ردیابی گسترش این بیماری ساده تر شود.
ردیابی تماس
"ردیابی تماس"(contact tracing) در حوزه سلامت، به پروسه شناسایی افرادی گفته می شود که با فرد آلوده در تماس بوده اند. هوش مصنوعی می تواند برنامه های کابردی تلفن همراه، ساعات هوشمند، دوربین ها و طیف وسیعی از ابزارهای پوشیدنی را تقویت کند تا به تشخیص، ردیابی تماس و نظارت کارآمد بر کووید-۱۹ بپردازند. اپلیکیشن هایی مانند "AI۴COVID-۱۹" که بر نمونه های صوتی سرفه تکیه دارند، می توانند در پزشکی ازراه دور مورد استفاده قرار بگیرند.
بررسی بیماران مبتلا به کووید-۱۹
روش های مبتنی بر هوش مصنوعی، برای نظارت بر بیماران و پیش بینی دوره درمان مورد استفاده قرار می گیرند. ممکنست که هوش مصنوعی با بهره گیری از داده های بالینی بتواند اطلاعات مهمی را برای تصمیم گیری در مورد درمان، اولویت بندی استفاده از ونتیلاتور و درمان های تنفسی عرضه نماید. همچنین، هوش مصنوعی می تواند امکان بهبودی یا مرگ و میر بیماران مبتلا به کووید-۱۹ را پیش بینی نماید و تحلیل های دقیقی در مورد دوره درمان عرضه نماید.
تشخیص به موقع
هوش مصنوعی می تواند با بررسی تصاویر سی تی اسکن بیماران، به تشخیص بموقع کووید-۱۹ کمک نماید. گروهی از پژوهشگران، یک مدل مبتنی بر هوش مصنوعی موسوم به "COVNet" ابداع نموده اند که می تواند کووید-۱۹ را از سینه پهلو تفکیک کند.
گروهی دیگر از پژوهشگران، یک مدل جدید یادگیری عمیق را با بهره گیری از شبکه های پیچیده عصبی ابداع نموده اند که می تواند کووید-۱۹ را با بررسی تصاویر سی تی اسکن تشخیص دهد. سیستم دیگری موسوم به "COVID_MTNet" نیز می تواند قسمت های درگیر شده ریه را به کمک تصاویر ثبت شده با اشعه ایکس و سی تی اسکن قفسه سینه شناسایی کند.
یک گروه پژوهشی دیگر نیز از سیستم های طبقه بندی مبتنی بر هوش مصنوعی استفاده می نماید تا بیماران را بر طبق پارامترهای ارائه شده، طبقه بندی کند. این سیستم می تواند تعداد آزمایش های کووید-۱۹ را در مناطقی که با کمبود امکانات هستند، کم کند.
کاهش مسئولیت کادر درمان
سیستم های هوش مصنوعی می توانند با خودکارسازی فرآیندهای آموزش، تشخیص بیماری و تجزیه و تحلیل داده ها، بار مسئولیت کادر درمان و پژوهشگران فعال در حوزه پزشکی و سلامت را کاهش دهند و از تماس زیاد آنها با بیماران پیشگیری کنند.
هوش مصنوعی می تواند بیماران را بر طبق شدت نشانه های بیماری، شرایط ژنتیکی و گزارش های بالینی طبقه بندی کند تا معاینه و درمان آنها به شکل موثرتری صورت بگیرد.
به کار بردن هوش مصنوعی در پزشکی ازراه دور می تواند نیاز مراجعه دائمی به بیمارستان را برطرف کند و ازراه دور به نظارت بر حال بیماران و گردآوری داده های بالینی مربوط به آنها بپردازد. مراجعه کمتر به بیمارستان ها، گسترش عفونت را کاهش خواهد داد و بار مسئولیت کارمندان بیمارستان را نیز کم خواهدنمود.
تشخیص ساختار پروتئین
هوش مصنوعی می تواند ساختار پروتئین های مهمی را که به ورود و تکثیر ویروس کمک می کنند، پیش بینی نماید و بینش مفیدی را در مورد آنها عرضه نماید که راه را برای ارائه دارو در زمان کوتاه هموار می سازد.
الگوریتم موسوم به "AlphaFold" می تواند به پیش بینی ساختارهای پروتئین بپردازد که تاثیر قابل توجهی در کشف و ارائه دارو دارند. برنامه دیگری موسوم به " DeepTracer" نیز شبکه های عصبی عمیق را به کار می گیرد تا ساختار پیچیده پروتئین خوشه ای کروناویروس را بررسی کند.
توسعه درمان
هوش مصنوعی می تواند با بهبود برنامه های قدیمی، زمان مورد نیاز برای ارائه دارو را کم کند و با نظارت مجازی و پردازش اعتبار دارو، به این روند سرعت ببخشد. همین طور هوش مصنوعی می تواند با ارایه داده های مفید در مورد دارو، به تایید یا رد کردن آنها کمک نماید و آنها را با سرعتی انجام دهد که برای متخصصان انسان امکان پذیر نیست.
شرکت انگلیسی "BenevolentAI" از روش های مبتنی بر یادگیری ماشینی بهره برده است تا به کشف دارو سرعت بدهد و داروهایی را که ممکنست در مقابله با کووید-۱۹ موثر باشند، شناسایی کند. شرکت چینی "Insilico Medicine" نیز با بهره گیری از هوش مصنوعی، چندین مولکول کوچک را شناسایی کرده است که می توانند به مقابله با کووید-۱۹ کمک کنند.
تولید واکسن
هوش مصنوعی در رقابت تنگاتنگی که برای تولید واکسن به وجود آمده و تا قبل از این هیچ گاه دیده نشده است، نقش پررنگی دارد. پلت فرم های هوش مصنوعی می توانند گزینه های احتمالی واکسن کووید-۱۹ را مورد بررسی قرار دهند و با کمک یادگیری عمیق و مدلهای طبقه بندی، بهترین گزینه را شناسایی کنند.
مهار اخبار نادرست
شیوع کووید-۱۹ با گسترش حجم زیادی از اخبار همراه بوده است اما قسمتی از این اخبار، نادرست و بیشتر شایعه هستند. ارائه اخبار درست، نقش مهمی در افزایش آگاهی مردم دارد؛ بدین سبب لازم است که راهبردی برای اصلاح اخبار وجود داشته باشد.
روش های مبتنی بر هوش مصنوعی می توانند راهبردی جهت بررسی و نظارت بر اخبار باشند و اخبار نادرست و شایعات را شناسایی کنند. هوش مصنوعی می تواند تصویر واضحی را در مورد میزان مرگ و میر، بهبودی بیماران، در دسترس بودن تجهیزات سلامت و شناسایی شکاف هایی که در این میان وجود دارند، ایفا کند.
بررسی ژنوم
هوش مصنوعی می تواند فناوری خوبی جهت بررسی ژنوم های کروناویروس باشد و یادگیری ماشینی را برای شناسایی نشانه های ژنتیکی به کار ببرد. بدین ترتیب، بررسی کروناویروس و شناسایی راه های مقابله با آن با کمک هوش مصنوعی، بسیار ساده تر و سریع تر صورت خواهد گرفت.
آیا هوش مصنوعی، فناوری خوبی برای مقابله با کووید-۱۹ است؟
گسترش کاربرد ابزارها و الگوریتم های مبتنی بر هوش مصنوعی برای نظارت بر کووید-۱۹، نگرانی هایی را نیز در بین پژوهشگران حوزه پزشکی به دنبال داشته است. تعدادی از گزارش ها حاکی از این هستند که مدلهای مبتنی بر هوش مصنوعی، داده های کم و یا بی کیفیتی را در ارتباط با کووید-۱۹ ارائه می دهند.
"گری کالینز"(Gary Collins)، استاد "دانشگاه آکسفورد"(University of Oxford) در این زمینه اظهار داشت: لازم است که گزارش کامل و شفافی در مورد جزئیات مربوط به مدلهای پیش بینی کننده کووید-۱۹ ارائه شوند. گزارش ندادن جزئیات مهم، نه فقط به پژوهش لطمه می رساند، بلکه به ارائه یک مدل ضعیف منجر می شود که لطمه های زیادی را برای تصمیم گیری بالینی به همراه دارد.
برای ارائه یک گزارش واضح و قابل تکرار، منابع و داده های مربوط به بیمار مبتلا به کووید-۱۹ باید در دسترس جامعه پژوهشی قرار بگیرند. تعدادی از پژوهشگران اهتمام کرده اند تا آزمایش های جدیدی جهت بررسی کووید-۱۹ ابداع کنند که با کمک هوش مصنوعی، داده های بالینی بیماران را جمع آوری می کند و به بیمارستان ها ارائه می دهد.
پژوهشگران باور دارند که هوش مصنوعی می تواند به ایمن ماندن بیماران و کادر درمان کمک نماید، بیمارانی را که به کووید-۱۹ مبتلا نیستند، کنار بگذارد و تضمین کند که بیماران مبتلا به کووید-۱۹ به سرعت درمان می شوند. با این وجود، مدلهای هوش مصنوعی که در ارتباط با کووید-۱۹ به کار می روند نیز مانند سایر مدلهای مبتنی بر هوش مصنوعی باید مورد بررسی قرار بگیرند تا عملکرد آنها در دنیای واقعی ارزیابی شود. این مساله باید بررسی شود که آیا مدلهای هوش مصنوعی کووید-۱۹ می توانند بیماری را با دقت در بین گروه های متفاوتی از مردم تشخیص دهند و برای سامانه های سلامت، کارآیی داشته باشند یا خیر.
این که ابزارهای مبتنی بر هوش مصنوعی چگونه می توانند بیماریها را تشخیص دهند و به بهبود مراقبت از بیماران منجر شوند، هنوز مشخص نیست؛ به همین دلیل، مدلهای مبتنی بر هوش مصنوعی باید با همکاری کارکنان حوزه سلامت ابداع شوند تا درک بهتر نحوه کارکرد آنها در مراقبت از بیماران امکان پذیر باشد.
اگر ابزارهای هوش مصنوعی نتوانند دقت خودرا در ارتباط با تشخیص بیماری اثبات کنند و یا بیماریها را به درستی از یکدیگر تفکیک کنند، تشخیص اشتباه و مراقبت نادرست از بیماران افزایش خواهد یافت. این اشتباهات سبب می شوند که آینده استفاده از فناوری های مشابه به خطر بیفتد و میزان اعتماد پزشکان و بیماران به آنها کم شود. برای ارزیابی دقت ابزارهای مبتنی بر هوش مصنوعی باید آزمایش های بالینی گوناگونی صورت بگیرند تا چگونگی تاثیر هوش مصنوعی بر بیماران مبتنی به کووید-۱۹ مشخص شود.
منبع: setfix.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب