کووید 19 سرعت تحول هوش مصنوعی بهداشت و درمان را افزایش خواهد داد

شنبه ۱۷ خرداد ۱۳۹۹ - ۲۲:۳۰
مطالعه 9 دقیقه
تشخیص بیماری و کشف دارو و خدمات رباتی، نشان‌دهنده‌ی قدرت هوش مصنوعی در دنیاگیری کرونا محسوب می‌شود؛ اما این تازه آغاز راه است.
تبلیغات

در آخرین روز سال گذشته، پلتفرم هوش مصنوعی BlueDot موفق شد نوعی ناهنجاری کشف کند. این پلتفرم دسته‌ای از نمونه‌های عجیب در ووهان چین را ثبت کرده‌ بود. BlueDot که در تورنتو کانادا مستقر است، از پردازش زبان طبیعی و یادگیری ماشین برای ردیابی و موقعیت‌یابی و گزارش شیوع بیماری‌های عفونی استفاده می‌کند. این پلتفرم هشدارهای خود را به مجموعه‌ای از کلاینت‌ها ازجمله بخش بهداشت و درمان، دولت، کسب‌و‌کار و سازمان‌های عمومی بهداشتی ارسال می‌کند و درست ۹ روز قبل از انتشار بیانه‌ی هشدار سازمان جهانی بهداشت درباره‌ی ویروس جدید کرونا، کووید ۱۹ را کشف کرد.

نقش BlueDot در بررسی شیوع یکی از نمونه‌های بارز تأثیر هوش مصنوعی بر بهداشت و درمان است. هوش مصنوعی تاکنون در بسیاری از ابعاد مبارزه‌ی جهانی با کرونا، نقش مفید اما پراکنده‌ای ایفا کرده است. ناگفته نماند از هوش مصنوعی در ماه‌های گذشته برای پیش‌بینی، نظارت، هشدار تماس، تشخیص سریع‌تر، حمل‌و‌نقل خودکار و کشف داروهای آزمایشگاهی استفاده شده است. 

هوش مصنوعی و بهداشت

باتوجه‌به گسترش فراوان ویروس کرونا در کل جهان، کاربردهای نوآورانه‌ی هوش مصنوعی در بسیاری از مناطق افزایش یافته است. در کره‌‌جنوبی، پیام‌رسانی موقعیت‌محور به ابزاری ضروری در مبارزه و بیماری کووید ۱۹ تبدیل شده است. از هر ۱۰ نفر شهروند کره‌ای، ۹ نفر پیام‌ها‌ی فوریتی موقعیت‌محور را دریافت می‌کنند که به آن‌ها درباره‌ی تعداد مبتلایان در اطراف هشدار می‌دهد.

شرکت علی‌بابای چین هم الگوریتمی معرفی کرده است که در مدت ۲۰ ثانیه (تقریبا ۴۵ برابر سریع‌تر از تشخیص انسانی) و با دقت ۹۶ درصد، موارد مشکوک را می‌تواند تشخیص دهد. وسایل نقلیه‌ی خودکار هم در سناریوهایی به‌کار می‌روند که برای انسان‌ها خطرناک هستند.

در استان‌های هوبی و گواندونگ چین، ربات‌ها غذا و دارو و کالاهای موردنیاز را به بیماران بستری در بیمارستان و خانواده‌های قرنطینه می‌رسانند که بسیاری از آن‌ها سرپرست خود را از دست داده‌اند. در کالیفرنیا، دانشمندان کامپیوتر مشغول کار روی سیستمی هستند که بتواند از راه دور روی سالمندان ساکن در خانه نظارت کند و درصورت بروز شرایط سخت یا کووید ۱۹، به آن‌ها هشدار دهد.

تمام مزایای AI در مقابله با هوش مصنوعی، چشم‌اندازی از ابعاد مختلف سیستم بهداشت و درمان آینده فراهم می‌کنند. هنوز راه درازی در پیش است و درحقیقت، هوش مصنوعی در طول چهار ماه گذشته به موفقیت چشمگیری در مبارزه با دنیاگیری کرونا دست نیافته‌ است. سیستم‌های بهداشت و درمان به‌دلایلی مثل واکنش غیردقیق و ناکافی، کمبود امکانات و توزیع نامناسب تجهیزات پزشکی، کارکنان خسته با حجم کاری زیاد، نبود تخت کافی در بیمارستان‌ها و درمان‌نشدن به‌موقع بیماران آسیب‌پذیر هستند.

حتی پیشرفته‌ترین سیستم‌های بهداشت و درمان سراسر دنیا، سازمان‌هایی ایستا با سلسله‌مراتب پیچیده‌ی اجتماعی هستند. امروزه، هوش مصنوعی صرفا در محیط‌های مناسب عملکرد موفقی دارد. دلیل این امر هم واضح است: قبل از شیوع کووید ۱۹، هیچ درکی از اهمیت نواحی و عملکرد براساس آن‌ها وجود نداشت و برای رسیدن به راه‌حل نیز، داده‌های کافی وجود ندارد.

داده‌ها اولویت هوش مصنوعی و مانند جریان خون برای آن هستند. پلتفرم علوم داده‌ای و یادگیری ماشین Kaggle میزبان مجموعه‌داده‌ای پژوهشی باز Covid 19 یا CORD-19 است. CORD-19 همان‌طورکه از نامش پیدا است، داده‌های مرتبط را تحلیل و پژوهش‌های جدید را روی یک گذرگاه متمرکز بارگذاری می‌کند. داده‌های جدید برای ماشین خواندنی هستند و به این صورت متناسب با اهداف یادگیری ماشین هوش مصنوعی طراحی شده‌اند. در این پایگاه، بیش از ۱۲۸ هزار مقاله‌ی پژوهشی درباره‌ی کووید ۱۹، ویروس کرونا، سارس، مرس و دیگر عبارات مرتبط وجود دارد.

علاوه‌براین، دانشمندان کامپیوتر و پزشکی در سراسر جهان بر مسائل یادشده متمرکز هستند. طبق تخمین‌های پیتر دیاماندیس، بنیان‌گذار XPrize، تقریبا ۲۰۰ میلیون پزشک، دانشمند، پرستار، متخصص فناوری و مهندس با هدف مبارزه با کووید ۱۹، در حال اجرای ده‌هاهزار آزمایش و اشتراک‌گذاری شفاف اطلاعات با سرعتی بی‌سابقه هستند.

چالش پژوهشی کووید ۱۹ در Kaggle هم با هدف ارائه‌ی طیف گسترده‌ای از دیدگاه‌ها درباره‌ی این بیماری مطرح شده است. دیدگاه‌ها شامل تاریخ طبیعی و معیارهای تشخیص و انتقال داده‌ها برای ویروس و درس‌هایی از پژوهش‌های گذشته روی انواع همه‌گیری هستند که به افزایش آگاهی سازمان‌های سلامت و اتخاذ تصمیم‌های عاقلانه کمک خواهند کرد. چالش در تاریخ ۱۶ مارس منتشر شد. در طول پنج روز، بیش از ۵۰۰ هزار از آن بازدید و بیش از ۱۸ هزار مرتبه دانلود شد.

در اوایل شیوع کرونا، شرکت علی‌بابا الگوریتم هوش مصنوعی را منتشر کرد که براساس بیش از ۵،۰۰۰ مورد تأییدشده آموزش دیده بود. این الگوریتم با استفاده از سی‌تی‌اسکن‌ها می‌تواند بیماری را در مدت ۲۰ تا ۳۰ ثانیه تشخیص دهد. همچنین براساس علائمی مثل توده‌ی سفید در ریه‌ها، اسکن بیماران را تحلیل و پیشرفت یا کاهش سلامتی آن‌ها را به‌سرعت ارزیابی کند. علی‌بابا پلتفرم ابری هوش مصنوعی خود را دردسترس متخصصان پزشکی سراسر دنیا قرار داده است و برای توسعه‌ی بیشتر پروژه با همکاری دیگر شرکای خود روی داده‌های بی‌نام ازجمله ماژول‌های پیشگویی همه‌گیری، تحلیل‌های تصویر سی‌تی و توالی‌سازی ژنوم ویروس کرونا کار می‌کند.

از شبکه‌های یادگیری عمیق می‌توان برای تفسیر دقیق و سریع اسکن‌های پزشکی استفاده کرد

باتوجه‌به دوبرابرشدن داده‌های پزشکی در چند ماه گذشته، سیستم بهداشت و درمان حتی قبل از شیوع کرونا هم آمادگی استفاده از هوش مصنوعی را داشته است. در سال ۲۰۱۹ و طبق پژوهشی که بازار بهداشت و درمان هوش مصنوعی ۱۹ کشور را بررسی کرده است، ارزش بازار هوش مصنوعی از ۱/۳ میلیارد دلار در سال ۲۰۱۸ به ۱۳ میلیارد دلار در سال ۲۰۲۵ خواهد رسید و در شش حوزه‌ی عمده ازجمله کارکنان بیمارستان، پوشیدنی‌ها، تشخیص و پردازش تصویر پزشکی، برنامه‌ریزی درمانی، دستیار مجازی و درنهایت کشف دارو، با بیش از ۴۱/۷ درصد رشد سالانه همراه خواهد بود؛ اما حالا باتوجه‌به شیوع کووید ۱۹، سرعت رشد حوزه‌های یادشده بیش‌ازپیش افزایش خواهد یافت.

یادگیری عمیق با قابلیت پردازش داده‌های چندمدلی و انبوه با سرعت چشمگیر، یکی از فرصت‌های مهم هوش مصنوعی است. از شبکه‌های یادگیری عمیق به‌عنوان یکی از انواع هوش مصنوعی برای تولید تفسیر الگوریتمی سریع و دقیق اسکن‌های پزشکی، اسلایدهای پاتولوژی، بینایی‌سنجی و کولون بینی استفاده می‌شود. دنیاگیری کرونا می‌تواند سرعت پیشرفت هوش مصنوعی را در حوزه‌ی بهداشت و درمان افزایش دهد.

تشخیص هوش مصنوعی

ظرفیت هوش مصنوعی فراتر از تشخیص و درمان است و ملاقات حضوری و پرداخت قبوض بیمه و دیگر فرایندها به‌واسطه‌ی آن آسان‌تر خواهند شد. هوش مصنوعی همراه‌با اتوماسیون رباتیک می‌تواند چهارچوب‌های کاری را تحلیل و روال‌های بیمارستانی را بهینه‌سازی و روال‌های بیمه‌ای را اجرا کند. هوش مصنوعی برای حل دنیاگیری کرونا، ازطریق پردازش متن و زبان و اعداد با سطح دقت و کمیت ماشین، ورودی‌های پیش از تشخیص را می‌تواند خودکارسازی و تسریع کند.

درصورت وجود داده‌های کافی، هوش مصنوعی می‌تواند شاخص‌های داده‌ای سلامتی را برای افراد و جمعیت‌های مختلف ایجاد کند. در این مرحله، احتمال کشف انواع بیماری‌ها افزایش می‌یابد؛ درنتیجه، می‌توان با سرعت بیشتری دنیاگیری‌های احتمالی را شناسایی کرد. این فرایند ساده نیست؛ زیرا در درجه‌ی اول به اتصال سیستم‌ها به مکانیزم‌های کارآمد پاسخ‌گویی و هشدار نیاز است. این نواقص در روزهای اول شیوع کرونا آشکار شدند.

درحال‌حاضر، می‌توان از مدل‌ها و الگوریتم‌های هوش مصنوعی برای اکتشافات دارویی و پیشرفت پزشکی در زمینه‌های توالی‌سازی ژنوم، سلول‌های بنیادی، کریسپر و... استفاده کرد. در دنیای داروسازی کنونی، فرایند توسعه‌ی درمان بسیار هزینه‌بر است و بخش زیادی از این هزینه صرف آزمایش‌های ناموفق می‌شود؛ اما دانشمندان به‌کمک هوش مصنوعی و یادگیری ماشین می‌توانند هزاران متغیر را مدل‌سازی و تأثیر آن‌ها بر واکنش سلول‌های انسانی را واکاوی کنند.

یادگیری ماشین و پردازش متن و تصویر از روش‌های هوش مصنوعی برای حل معضل کرونا هستند

از فناوری‌های یادشده برای جست‌وجوی واکسن و دیگر درمان‌های کووید ۱۹ استفاده می‌شود. Insilico Medicine، شرکت هوش مصنوعی مستقر در هنگ کنگ و فعال درزمینه‌ی اکتشافات دارویی، از پلتفرم شیمی هوش مصنوعی برای طراحی مولکول‌های جدیدی استفاده می‌کند که هدف اصلی‌شان پروتئین‌های ویروسی است. مولکول‌ها ۶ فوریه منتشر شدند. هوش مصنوعی و یادگیری ماشین در این حوزه با سرعت بیشتری در حال پیشروی هستند و درمان‌های ارزان‌تری ارائه می‌کنند. هوش مصنوعی صنعت داروسازی را متحول خواهد کرد.

فرض کنید در صبحی زمستانی در سال ۲۰۳۵ از خواب بیدار شوید و احساس گلودرد کنید. به دست‌شویی بروید و درحالی‌که دندان خود را مسواک می‌کنید، از حسگر مادون‌قرمز آینه‌ی دست‌شویی، دمای بدن خود را بررسی کنید. یک دقیقه بعد از مسواک‌زدن، هشداری از دستیار پزشکی هوش مصنوعی دریافت کنید که نشان‌دهنده‌ی ناهنجاری‌هایی در نمونه‌ی بزاق و تب پائین است. در چنین وضعیتی، AI PA آزمایش خون از نوک انگشت را پیشنهاد می‌دهد؛ درنتیجه، PA تحلیل از ابتلا به آنفولانزا را نشان می‌دهد. همچنین، دو شیار زمانی برای تماس ویدئویی با پزشک خانوادگی و مشورت با او را پیشنهاد می‌کند. پزشک مدنظر هنگام تماس جزئیات مربوط به علائم بیماری را دریافت کرده است. او دکونژستانت و پاراستامول تجویز می‌کند که با پهپاد به در خانه‌ی شما فرستاده می‌شود.

آینده‌ای که در پاراگراف بالا ترسیم شده است، چندان هم دور‌از‌انتظار نیست. با هم‌گرایی بیشتر علم کامپیوتر و علم پزشکی، هوش مصنوعی خودکار وارد عمل می‌شود و مردم هم برای حفظ آگاهی و ایمنی خود از پوشیدنی‌ها و حسگرهای زیستی و آشکارساز‌های خانگی هوشمند استفاده می‌کنند. با افزایش کیفیت داده‌ها و افزایش تنوع پوشیدنی‌ها و دیگر دستگاه‌های اینترنت اشیاء، چرخه‌ی بهبودی هم مؤثرتر خواهد شد.

تشخیص با یادگیری ماشین

در دنیای هوش مصنوعی، ویروس جدید کرونا ردیابی‌شدنی و توقف‌پذیر است و می‌توان قبل از شیوع آن را ریشه‌کن کرد. شاید در ۱۵ سال آینده، بسیاری از افراد به دستیارهای شخصی هوش مصنوعی دسترسی داشته باشند که از آن‌ها دربرابر مشکلات روزانه‌ی سلامتی محافظت کنند. ربات‌ها یا پهپادها هم وظیفه‌ی حمل‌و‌نقل تجهیزات و داروهای پزشکی به در خانه‌ها را برعهده خواهند داشت. در‌صورتی‌که به جراحی یا دیگر مداخله‌های پزشکی نیازی باشد، معمولا ربات آن را انجام می‌دهد یا دستیار جراح و پزشک انسانی می‌شود.

در چنین آینده‌ای، پزشکان و پرستاران بر عملیات انسانی بیشتر متمرکز هستند که ماشین نمی‌تواند آن‌ها را انجام دهد. متخصصان پزشکی یا پرستاران دل‌سوز مهارت‌های پرستاری، تکنسین پزشکی، کارگر اجتماعی و حتی روان‌شناسی را با یکدیگر ترکیب می‌کنند. آن‌ها با سیستم‌ها و ابزارهای تشخیص بهبود‌یافته‌ی هوش مصنوعی کار خواهند کرد؛ اما برقراری ارتباط با بیماران و تسکین آن‌ها در وضعیت تنش را فراموش نمی‌کنند.

البته نباید مشکلات حریم خصوصی و محافظت از داده‌ها را به‌ویژه درباره‌ی سوابق بیمار نادیده گرفت. همچنین، ایزوله نگه‌داشتن داده‌های مفید و استخراج‌نکردن فواید آن‌ها برای کمک به جامعه رفتاری غیرمسئولانه است. از فناوری‌های نوآورانه باید برای حل مشکلات جدید استفاده کرد و خبر خوشحال‌کننده این است که در یادگیری جمعی، به‌ویژه یادگیری توزیع‌شده، پیشرفت‌های زیادی حاصل شده است.

در چهارچوب هوش مصنوعی، داده‌های بیمار ذخیره می‌شوند و هرگز از سیستم بهداشتی میزبان یا دستگاه‌های شخصی و بیمارستانی خارج نمی‌شوند؛ زیرا مدل‌های یادگیری ماشین براساس مجموعه‌های مجزا آموزش می‌بینند و ترکیب و پردازش می‌شوند. فناوری‌هایی مثل یادگیری جمعی و رمزنگاری هم‌ریختی و محیط‌های مطمئن اجرای سخت‌افزاری محاسبات و انتقال و ذخیره‌سازی داده‌ها را با هدف برآورده‌ساختن زمینه‌های مهم تضمین می‌کنند؛ زیرا نیازهای حریم خصوصی در میان کشورها و فرهنگ‌ها متفاوت هستند.

کووید ۱۹ ثابت کرد مشکلات انسان با هوش مصنوعی گره خورده‌اند. در گذشته، مشارکت‌های جهانی به حذف تقریبی بیماری‌هایی مثل فلج اطفال منجر شد. با حرکت به‌سمت کاهش و درمان و حذف دنیاگیری کرونا، بدیهی است سیستم بهداشت عمومی به مرزهای ملی محدود نخواهد بود و پزشکی حوزه‌ای است که هر کشوری از آن سود خواهد برد و داده‌های جهانی پایدارترین دیدگاه‌ها را برای سلامت و بیماری ارائه خواهند کرد.

هوش مصنوعی به آمادگی بهتر برای دنیاگیری بعدی کمک خواهد کرد. برای پیشرفت این حوزه، به مشارکت دانشمندان پزشکی، دانشمندان هوش مصنوعی، سرمایه‌گذاران و سیاست‌گذاران نیاز است. سرمایه‌های اقتصادی باید به بخش بهداشت و درمان تزریق شوند و انگیزه و تمرکز کارآفرینان و پژوهشگران هوشمند را افزایش دهند. با همکاری استعدادهای درخشان در این مسئله، می‌توان گفت دشمن مشترک انسان‌ها خودشان نیستند؛ بلکه ویروس است. بدین‌ترتیب، سیستم بهداشت و درمان جهان به سطح بهتری خواهد رسید.

مقاله رو دوست داشتی؟
نظرت چیه؟
داغ‌ترین مطالب روز
تبلیغات

نظرات