-
دنیای پزشکی به تصرف هوش مصنوعی درمی‌آید

درمان با نسخه پزشکان آهنی

تشخیص صحیح، دقیق و به‌موقع بیماری‌ها با استفاده از فناوری‌های هوش مصنوعی و یادگیری ماشین نقش مهمی در بهبود شاخص‌های بیماری، استفاده بهینه از منابع محدود بیمارستانی و کاهش بار کاری کارکنان دارد.

چند سالی است که ربات ‌ های جراح که در چند سال اخیر اخبار متفاوتی از ساخت آنها در جای جای دنیا شنیده می ‌ شود، تنها یک نمونه بارز ‌ بکارگیری هوش مصنوعی در علم پزشکی هستند. بی ‌ شک ورود هوش مصنوعی در هر علمی، مقدمات تحولات بزرگی را رقم می ‌ زند. بروز این تحولات ‌ بسان انقلاب صنعتی می ‌ تواند جنبه ‌ های مثبت و منفی زیادی داشته باشد. صمت در این گزارش به بررسی روندهای رسوخ هوش مصنوعی به دنیای پزشکی پرداخته است.

پرستاری به سبک هوش مصنوعی

هوش مصنوعی در پزشکی استفاده از مدل ‌ های یادگیری ماشینی برای جست ‌ وجوی داده ‌ های پزشکی و کشف دیدگاه ‌ ها برای کمک به بهبود نتایج سلامت و تجربیات بیمار است. به لطف پیشرفت ‌ های اخیر در علوم کامپیوتر و انفورماتیک، هوش مصنوعی ( AI ) به ‌ سرعت به بخشی جدایی ‌ ناپذیر از مراقبت ‌ های بهداشتی مدرن تبدیل می ‌ شود. الگوریتم ‌ های هوش مصنوعی و سایر برنامه ‌ های کاربردی مجهز به هوش مصنوعی برای حمایت از متخصصان پزشکی در محیط ‌ های بالینی و تحقیقات در حال انجام، استفاده می ‌ شوند. در حال ‌ حاضر، رایج ‌ ترین نقش ‌ های هوش مصنوعی در تنظیمات پزشکی، پشتیبانی تصمیم ‌ گیری بالینی و تجزیه و تحلیل تصویربرداری است. ابزارهای پشتیبانی تصمیم بالینی به ارائه ‌ دهندگان خدمات سلامت کمک می ‌ کنند تا با فراهم کردن دسترسی سریع به اطلاعات یا تحقیقات مرتبط با بیمار، درباره درمان ‌ ها، داروها، سلامت روان و سایر نیازهای بیمار تصمیم ‌ گیری کنند. در تصویربرداری پزشکی، ابزارهای هوش مصنوعی برای تجزیه و تحلیل سی تی ‌ اسکن، اشعه ایکس، MRI و سایر تصاویر که رادیولوژیست انسانی ممکن است خطا داشته باشد، استفاده می ‌ شود.

ربات های جراح در مرز دانش

نوید مقدم، مدیر فناوری اطلاعات مجتمع بیمارستانی امام خمینی (ره) در گفت ‌ وگو با صمت به بررسی این تحولات و واکنش فعالان عرصه پزشکی پرداخته است. وی بااشاره به کاربرد هوش مصنوعی و بکارگیری ربات ‌ ها در جراحی ‌ های پزشکی گفت: امروزه در سراسر دنیا، کاربرد ربات ‌ ها در جراحی ‌ های معمول به مرحله عملیاتی رسیده و شاهد اجرای عمل ‌ های جراحی در شاخه ‌ هایی نظیر ارولوژی هستیم.

وی افزود: اما در دیگر موارد مانند جراحی ‌ های حساس ‌ تر، هنوز کاربرد هوش مصنوعی وارد مرحله عملیاتی نشده است و دانشمندان در تلاش هستند کاربرد هوش مصنوعی را در علم پزشکی گسترده ‌ تر کنند. برای مثال، در برخی جراحی ‌ ها در ستون فقرات انسان، برای گذاشتن پیچ ‌ های درمانی از ربات استفاده می ‌ شود یا در تشخیص برخی آثار آناتومی در بدن از هوش مصنوعی بهره می ‌ گیرند. گفتنی است، اکنون جراحی رباتیک در ایران و جهان در لبه دانش است و آن تحولی که انتظار داریم در دنیای پزشکی با بهره ‌ گیری از هوش مصنوعی به ‌ وجود بیاید، هنوز اتفاق نیفتاده است.

آیا دستگاه ها جای پزشکان را می گیرند؟

سرپرست مدیریت فناوری اطلاعات مجتمع بیمارستانی امام خمینی (ره) گفت: حذف مشاغل در بسیاری از تخصص ‌ ها که مبتنی بر تشخیص است، اتفاق می ‌ افتد، اما درباره مواردی که مربوط به مداخله و درمان می ‌ شود، به ‌ احتمال ‌ زیاد زمانی طولانی را می ‌ طلبد تا بتوانیم به ‌ طورکامل دستگاه ‌ ها را جایگزین پزشکان کنیم. پیش ‌ بینی می ‌ شود که با روند فعلی، شغل پزشکی دچار تحولات عظیمی خواهد شد و همزمان با آن تحولاتی نظیر به ‌ وجود آمدن شغل ‌ های تخصصی دیگری رخ می ‌ دهد. برای مثال ربات ‌ ها در تشخیص و نوع بیماری به ‌ طورقطع می ‌ توانند کمک زیادی به دنیای پزشکی بکنند، اما همزمان با آن، امکان دارد بیماری ‌ هایی به ‌ وجود بیاید که به تحلیل و در واقع عملکرد انسانی نیاز دارند، نه دستگاهی که از فلز تشکیل شده است.

درمان های معمول به ربات ها سپرده می شوند

مقدم درباره تاثیر هوش مصنوعی در آموزش پزشکی گفت: به احتمال زیاد، آموزش پزشکی با ورود هوش مصنوعی تخصصی ‌ تر خواهد شد و نیازمند افرادی با تخصص ‌ هایی می ‌ شویم که بتوانند در این زمینه کمک شایانی به انسان و روندهای درمانی کنند و تشخیص و درمان بیماری ‌ های معمول به ربات ‌ ها سپرده می ‌ شود، در نتیجه تنها بیماری ‌ ها و موارد نادر پزشکی از سوی انسان درمان می ‌ شوند.

وی در پاسخ به این پرسش که باتوجه به موارد یادشده، آیا می ‌ توان برای درمان بیماری ‌ هایی نظیر سرماخوردگی یا دیگر بیماری ‌ های مزمن به یک ربات مراجعه کرد؟ گفت: از آنجایی ‌ که سیر تشخیص بیماری ‌ ها از الگوریتم ‌ های واحدی پیروی می ‌ کند و پزشکان براساس این الگوریتم ‌ ها نوع بیماری را تشخیص می ‌ دهند، مکانیزه کردن آن برای ربات ‌ ها با استفاده از هوش مصنوعی، فرآیند سختی نیست، در واقع این الگوریتم ‌ ها هستند که در انتها به پزشکان می ‌ گویند که افراد به چه بیماری ‌ هایی مبتلا هستند.

مقدم خاطرنشان کرد: در حال ‌ حاضر داده ‌ های عظیمی که باید براساس هوش مصنوعی به ربات ‌ ها داده شود تا براساس آن، سیر تشخیص و درمان انجام بگیرد، اتفاق نیفتاده است. این فرآیند باید از سوی پزشکان انجام شود. نمونه کوچک این فرآیند، اندازه ‌ گیری ‌ های قند، فشارخون و ضربان قلب است که کمک شایانی برای پزشکان محسوب می ‌ شود.

به ‌ گفته مقدم، با این روند در روزگاری نه ‌ چندان دور بشر از دستگاه سونوگرافی موبایلی برای عکسبرداری ‌ های داخلی استفاده می ‌ کند و دیگر از دستگاه ‌ های حجیم تصویربرداری پزشکی خبری نخواهد بود.

وی ضمن مقایسه کشورمان با جوامع پیشرو در بحث بکارگیری هوش مصنوعی در پزشکی گفت: خوشبختانه همکاری ‌ های علمی زیادی در ایران وجود دارد که موجب شده است، در این زمینه چندان عقب نباشیم. موضوع مهم دیگر درباره ربات ‌ های پزشک، ارتباط با بیمار است که در حال ‌ حاضر هوش مصنوعی هیچ نقشی از خود بروز نداده است.

تشخیص تا درمان، در مسیر هوشمندانه

مصطفی شنبه ‌ زاده، استادیار مدیریت اطلاعات سلامت گروه علوم آزمایشگاهی، دانشکده پیراپزشکی دانشگاه علوم پزشکی ایلام، در گفت ‌ وگو با صمت درباره کاربرد اینترنت اشیا در تشخیص و درمان بیماری ‌ ها گفت: بشر در حالی نسل پنجم سیستم ‌ های رایانه ‌ ای را به کار می ‌ برد که در حال ساخت نسل ششم آنها است، در واقع قرار است سیستم ‌ های رایانه ‌ ای به ‌ گونه ‌ ای طراحی شوند که مانند انسان فکر کنند و هنگام قرارگیری در موقعیت ‌ های جدید، برای حل مسئله خلاقیت داشته باشند. گفتنی است، سیستم ‌ های نسل پنجم مانند انسان فکر نمی ‌ کنند و این ایرادی بود که انسان در این سیستم ‌ ها دید و در تلاش برای خلق سیستم ‌ هایی در نسل ششم برآمد که بتوانند مشابه انسان عمل کنند. وی افزود: ویژگی مهم نسل ششم سیستم ‌ های رایانه ‌ ای، فرمان دادن با هوش مصنوعی است؛ باتوجه به توسعه دانش و ابزارهای فناورانه در صنایع گوناگون، امکان دارد هر صنعتی طی زمان با وضعیت غیرقابل ‌ پیش ‌ بینی مواجه شود که بدون بهره ‌ گیری از ابزارهای هوشمند برپایه هوش مصنوعی امکان توسعه آن فراهم نباشد؛ در واقع صنایع برای تحول و توسعه، نیازمند دستور و راهکارهای ‌ جدید هستند. صنعت بهداشت و درمان هم مبرا از این جریان نیست؛ بنابراین در مسیر تشخیص تا درمان بیماری ‌ ها باید در مسیر هوشمندسازی قرار بگیریم. به ‌ گفته شنبه ‌ زاده، هر بیمار یک تجربه جدید است که برای درمان او نیازمند راهکار تازه ‌ ای هستیم که دستگاه ‌ های هوشمند می ‌ توانند با سرعت بیشتری این راهکار را در اختیار پزشک بگذارند؛ بنابراین صنعت بهداشت و درمان در آینده ‌ ای نزدیک برای تشخیص، غربالگری، درمان بیماری ‌ ها و پیش ‌ بینی وضعیت آینده، نیازمند هوش مصنوعی و سیستم ‌ های کامپیوتری هوشمند می ‌ شود.

پیش بینی وضعیت بیمار با هوش مصنوعی

استادیار مدیریت اطلاعات سلامت دانشکده پیراپزشکی دانشگاه علوم پزشکی ایلام بااشاره به نمونه ‌ های کاربردی هوش مصنوعی در دنیای پزشکی گفت: هوش مصنوعی می ‌ تواند در پیش ‌ بینی وضعیت آینده بیمار، عملکرد مهمی داشته باشد؛ برای مثال، می ‌ تواند پیش ‌ بینی کند که آیا یک بیمار مبتلا به آنفلوآنزا تا چه میزان به درمان ‌ های دارویی یا حتی بستری شدن در بیمارستان ‌ ها نیاز دارد. در کل، در بررسی هر نوع بیماری می ‌ تواند به شانس بقای بیمار پی ببرد. گفتنی است، سیستم ‌ های هوش مصنوعی این ‌ گونه طراحی می ‌ شوند که پزشکان بتوانند تا پیش از رخداد وضعیت بحرانی، برای حل مسائل اقدامات موثری را به ‌ ثمر برسانند. وی در تشریح بیشتر یادگیری ماشین و کاربرد آن در بهداشت و درمان خاطرنشان کرد: یکی از کاربردهای هوش مصنوعی، یادگیری ماشین است. در یادگیری ماشین، کارشناسان به ‌ واسطه تجربه ‌ های گذشته به سیستم ‌ ها آموزش می ‌ دهند تا بتوانند در شرایط سخت و بحرانی تصمیمات درستی بگیرند. برای مثال، آزمون ‌ های زیادی برای تشخیص کرونا ایجاد شد، اما وقتی با حجم زیادی از افراد مواجه شدیم که نیازمند تست تشخیصی برای کرونا بودند، منابع بهداشت و درمان در برخی موارد پاسخگو نبود. بر همین اساس، استفاده از زیرساخت ‌ هایی برمبنای یادگیری ماشین و تست ‌ های غربالگری هوشمند،؛ می ‌ تواند راهکار مناسبی برای کاهش بحران در این زمینه باشد. شنبه ‌ زاده گفت: مبنای اطلاعات سیستم ‌ های یادگیری ماشین در تشخیص بیماری ‌ ها، موردهای گذشته است که داده ‌ های اصلی آن به ‌ حساب می ‌ آید، بنابراین این سیستم ‌ ها براساس تجربیات گذشته، فرآیند تشخیصی خود را اعمال می ‌ کند، در واقع در یادگیری ماشین می ‌ توان از تجربیات گذشته به ‌ نحو احسن استفاده کرد. برای مثال، در این سیستم ‌ ها اطلاعات و داده ‌ های زیادی از مبتلایان و علائم ‌ شان درباره بیماری کرونا و آنفلوآنزا تعریف می ‌ شود و این سیستم ‌ ها تشخیص می ‌ دهند که کدام علائم به آنفلوآنزا و کدام به کووید ۱۹ دلالت دارد. درباره دیگر بیماری ‌ ها هم، ‌ چنین فرآیندی امکان ‌ پذیر است.

سیستم های تصمیم یار بالین

وی ادامه داد: یادگیری ماشین در تشخیص اولیه می ‌ تواند برای بیماران مفید باشد، چرا که یادگیری ماشین قابلیت بالایی در تشخیص بیماری ‌ ها دارد، به این نوع فناوری سیستم ‌ های تصمیم ‌ یار بالین گفته می ‌ شود که پزشک می ‌ تواند در اقدامی پیشدستانه سرعت بیشتری به فرآیند تشخیص و درمان بدهد و با دید بهتری عمل کند، همچنین به طراحی مدل و نرم ‌ افزاری در این زمینه پرداختیم؛ اما یکی از معضلات اصلی، شناخت کافی نداشتن پزشکان از کاربردهای فناورانه در دنیای پزشکی است، در واقع پزشکان چندان با کامپیوتر و رایانه ‌ ها و زیرساخت ‌ های فناورانه میانه خوبی ندارند و نمی ‌ خواهند که با آنها کار کنند. اگر بتوانیم سیستم ‌ های یادگیری ماشین را در علم پزشکی به ‌ نوعی طراحی کنیم که هر پزشک در تشخیص و درمان بیماری ‌ ها از آنها بهره بجوید، به ‌ گونه ‌ ای که روی میز هر پزشک یک سیستم یادگیری ماشین باشد و بتواند در تشخیص از آن کمک بگیرد، اتفاق بزرگی است.

چین و امریکا، پیشتاز هوش مصنوعی در پزشکی

شنبه ‌ زاده گفت: در حقیقت با غربالگری ‌ های اولیه از سوی یادگیری ماشین می ‌ توانیم سرعت بیشتری در روند مهار پاندمی ‌ ها ایجاد کنیم. گفتنی است، در برخی کشورها نظیر چین و ایالات متحده برای غربالگری سرطان ‌ ها از جمله سرطان پستان از سیستم ‌ های کامپیوتری و ماشین ‌ های یادگیری استفاده می ‌ کنند؛ در این شرایط است که بار کاری کادر درمان هم کاهش پیدا می ‌ کند. این پژوهشگر گفت: باتوجه به مشکلات زیاد بیمارستان ‌ ها و حجم بالای مراجعات، به ‌ ویژه در دورانی که جامعه در یک بیماری همه ‌ گیر به سر می ‌ برد، استفاده از یادگیری ماشین می ‌ تواند به ‌ عنوان یک راهکار فناورانه و نوآورانه پیشنهاد داده شود.

طرفداران کاربردهای فناورانه

وی در پاسخ به این پرسش که نگرش تصمیم ‌ گیران در بهره ‌ وری از یادگیری ماشین در تشخیص و درمان بیماری به ‌ ویژه در وزارت بهداشت و درمان چیست؟ گفت: از آنجایی ‌ که در وزارت بهداشت نگرش بالینی و دیدی پزشک ‌ محور وجود دارد، استفاده از فناوری طرفدار چندانی ندارد. به ‌ اعتقاد من، برای پیاده ‌ سازی سیستم ‌ های یادگیری ماشین در فضای کاربردی بهداشت و درمان باید اقدامات جدی انجام گیرد، چرا که موجب بهبود، درمان و کاهش هدررفت منابع به ‌ ویژه در دوران پاندمی ‌ ها می ‌ شود.

سخن پایانی

پیش ‌ بینی می ‌ شود در عصر حاضر برخی تخصص ‌ ها در دنیای پزشکی با بهره ‌ گیری از هوش مصنوعی حذف یا جایگزین شوند. برای مثال، در روندهای تشخیصی، هوش مصنوعی پیشرفت زیادی کرده است و می ‌ تواند جایگزین تخصص ‌ هایی شود که در این زمینه فعالیت می ‌ کنند. گفتنی است، بعد از آنکه هوش مصنوعی جایگزین برخی روندهای تشخیصی و تخصص ‌ هایی شود که به این روندها ارتباط دارند، بسیاری از این مشاغل از دور خارج ‌ شده و آنجا است که باید شاهد تحولی عظیم در دنیای پزشکی باشیم، در واقع در آن زمان، هوش مصنوعی تا چه حد از دنیای پزشکی را به تصرف خود درمی ‌ آورد. به ‌ گفته کارشناسان، یکی از موارد مهم در بحث بکارگیری هوش مصنوعی در پزشکی، تحلیل اطلاعات سلامت افراد است که انتظار می ‌ رود راه ‌ حلی برای آن تدوین ‌ شود. در شرایط فعلی، این موضوعات در قالب استارت ‌ آپ ‌ هایی نمود پیدا کرده، اما نمی ‌ توانیم به ‌ عنوان راه ‌ حل به آنها نگاه کنیم.

دیدگاهتان را بنویسید

بخش‌های ستاره دار الزامی است
*
*

آخرین اخبار

پربازدیدترین