عبارت "تكنولوژي پزشكي" به طور گسترده براي پرداختن به طيف وسيعي از ابزارها استفاده مي شود كه مي تواند متخصصان سلامت را قادر سازد تا با انجام تشخيص زودهنگام، كاهش عوارض، كاهش مدت بستري شدن در بيمارستان ،بهينه سازي درمان و/يا ارائه گزينه هاي كمتر تهاجمي، كيفيت زندگي بهتري را براي بيماران و جامعه فراهم كنند.
هوش مصنوعي (AI) اصطلاحي است كه براي توصيف استفاده از رايانه و فناوري براي شبيهسازي رفتار هوشمند و تفكر انتقادي قابل مقايسه با يك انسان استفاده ميشود. جان مك كارتي براي اولين بار در سال ۱۹۵۶ اصطلاح هوش مصنوعي را به عنوان علم و مهندسي ساخت ماشين هاي هوشمند توصيف كرد.
در حالي كه قبل از عصر فناوري موبايل، فناوريهاي پزشكي عمدتاً به عنوان ابزارهاي پزشكي كلاسيك (مانند پروتز، استنت، ايمپلنت) شناخته ميشدند، ظهور گوشيهاي هوشمند، حسگرها،برنامه ها، در اندازه هاي بسيار كوچك و سيستمهاي ارتباطي، پزشكي را با قابليت هوش مصنوعي متحول كرده است.هوش مصنوعي فناوريهاي پزشكي را متحول كرده است و ميتوان آن را بهعنوان بخشي از علم كامپيوتر درك كرد كه ميتواند با مشكلات پيچيده با كاربردهاي بسياري در حوزههايي با حجم عظيم داده اما كاربرد كم مقابله كند.
فنآوريهاي پزشكي هوشمند (يعني مبتني بر هوش مصنوعي) با اشتياق عموم مردم مواجه شدهاند، تا حدي به اين دليل كه يك مدل پزشكي كامل (پيشبينيكننده، پيشگيرانه، شخصيسازي شده، و مشاركتي) و در نتيجه استقلال بيمار را، به روشهايي كه امكانپذير نيست، ممكن ميسازد؛براي مثال، گوشيهاي هوشمند به ابزاري براي پر كردن و توزيع يك پرونده الكترونيكي سلامت شخصي، نظارت بر عملكردهاي حياتي با حسگرهاي زيستي و كمك به دستيابي به انطباق درماني بهينه تبديل ميشوند.
بازيگر اصلي در مسير مراقبت توسعه فنآوريهاي پزشكي هوشمند، توسعه يك رشته جديد در پزشكي را امكانپذير ميكند: پزشكي تقويتشده (augmented medicine )،يعني استفاده از فناوريهاي جديد پزشكي براي بهبود جنبههاي مختلف عملكرد باليني.
چندين الگوريتم مبتني بر هوش مصنوعي در دهه گذشته توسط سازمان غذا و داروي آمريكا (FDA) تاييد شدهاند و بنابراين ميتوانند پيادهسازي شوند. پزشكي تقويت شده (AM) نه تنها توسط فناوريهاي مبتني بر هوش مصنوعي اجرا ميشود، بلكه در چندين زمينه ديجيتال ديگر مانند سيستمهاي ناوبري جراحي براي جراحي با كمك رايانه ، ابزارهاي پيوسته واقعيت مجازي براي جراحي، مديريت درد و اختلالات روانپزشكي ميتوانند كاربرد داشته باشند.
با توجه به فقدان آموزش پزشكي ديجيتال، چندين دانشكده پزشكي خصوصي در حال آماده كردن پزشكان آينده خود را براي چالش پزشكي تقويت شده با مرتبط كردن برنامه درسي پزشكي با برنامه درسي مهندسي يا اجراي سواد سلامت ديجيتال و استفاده در يك برنامه درسي ارتقا يافته آماده مي كنند.
درصورتي كه علاقه مند به يادگيري هوش مصنوعي هستيد، به دوره آكادمي هوش مصنوعي نبض بپيونديد!
هوش منصوعي ميتواند به پردازش دادههاي پزشكي كمك كند و به متخصصان پزشكي بينشهاي مهمي بدهد، نتايج سلامتي و تجربيات بيمار را بهبود بخشد.
هوش مصنوعي در پزشكي استفاده از مدلهاي يادگيري ماشيني براي جستجوي دادههاي پزشكي و كشف ديدگاها براي كمك به بهبود نتايج سلامت و تجربيات بيمار است. به لطف پيشرفت هاي اخير در علوم كامپيوتر و انفورماتيك، هوش مصنوعي (AI) به سرعت به بخشي جدايي ناپذير از مراقبت هاي بهداشتي مدرن تبديل مي شود. الگوريتمهاي هوش مصنوعي و ساير برنامههاي كاربردي مجهز به هوش مصنوعي براي حمايت از متخصصان پزشكي در محيطهاي باليني و تحقيقات در حال انجام،استفاده ميشوند.
در حال حاضر، رايج ترين نقش هاي هوش مصنوعي در تنظيمات پزشكي، پشتيباني تصميم گيري باليني و تجزيه و تحليل تصويربرداري است. ابزارهاي پشتيباني تصميم باليني به ارائهدهندگان خدمات سلامت كمك ميكنند تا با فراهم كردن دسترسي سريع به اطلاعات يا تحقيقات مرتبط با بيمار، درباره درمانها، داروها، سلامت روان و ساير نيازهاي بيمار تصميمگيري كنند. در تصويربرداري پزشكي، ابزارهاي هوش مصنوعي براي تجزيه و تحليل سي تي اسكن، اشعه ايكس، MRI و ساير تصاوير براي ضايعات يا ساير يافتههايي كه راديولوژيست انساني ممكن است از دست بدهد، استفاده ميشود.
هوش مصنوعي در پزشكي را مي توان به دو زير گروه تقسيم كرد: مجازي و فيزيكي.
بخش مجازي از كاربردهايي مانند سيستم هاي پرونده الكترونيك سلامت تا راهنمايي مبتني بر شبكه عصبي در تصميم گيري هاي درماني را شامل مي شود.
بخش فيزيكي مربوط به روبات هايي است كه در انجام جراحي ها، پروتزهاي هوشمند براي افراد معلول و مراقبت از سالمندان كمك مي كنند.
كاربردهاي كنوني هوش مصنوعي در پزشكي در زمينه هاي مختلف:
۱)قلبي-عروقي
-تشخيص فيبريلاسيون دهليزي
-پيشبيني ريسك بيماري هاي قلبي-عروقي
۲)تست هاي علملكرد ريوي
۳)كنترل تست هاي قند خون
۴)پيشبيني كاهش GFR و بيماري هاي كليوي
۵)تصوير برداري تشخيصي در مشكلات گوارشي
۶)نورولوژي(مغز و اعصاب)
-ارزيابي راه رفتن، وضعيت بدن و لرزش
۷) تشخيص سرطان در هيستوپاتولوژي
۸) تصويربرداري پزشكي و اعتبار سنجي فناوري هاي مبتني بر هوش مصنوعي
چالشهايي كه همهگيري COVID-19 براي بسياري از سيستمهاي بهداشتي ايجاد كرد، همچنين بسياري از سازمانهاي مراقبتهاي بهداشتي در سراسر جهان را به آزمايش ميداني فناوريهاي جديد پشتيباني شده از هوش مصنوعي، مانند الگوريتمهاي طراحيشده براي كمك به نظارت بر بيماران و ابزارهاي مجهز به هوش مصنوعي براي غربالگري COVID-19 سوق داد.
تحقيقات و نتايج اين آزمايشات هنوز در حال جمع آوري است و استانداردهاي كلي براي استفاده از هوش مصنوعي در پزشكي هنوز در حال تعريف است. با اين حال، فرصتهاي هوش مصنوعي براي بهرهمندي از پزشكان، محققان و بيماراني كه به آنها خدمات ميدهند به طور پيوسته در حال افزايش است. در اين مرحله، ترديد كمي وجود دارد كه هوش مصنوعي به بخش اصلي سيستمهاي سلامت ديجيتالي تبديل خواهد شد كه پزشكي مدرن را شكل داده و از آن پشتيباني ميكند.
روشهاي متعددي وجود دارد كه هوش مصنوعي ميتواند تأثير مثبتي بر عملكرد پزشكي داشته باشد، از طريق افزايش سرعت تحقيقات يا كمك به پزشكان در تصميمگيري بهتر.
در اينجا چند نمونه از نحوه استفاده از هوش مصنوعي آورده شده است:
برخلاف انسان ها، هوش مصنوعي هرگز نيازي به خواب ندارد. مدلهاي يادگيري ماشيني را ميتوان براي مشاهده علائم حياتي بيماراني كه مراقبتهاي ويژه دريافت ميكنند و در صورت افزايش عوامل خطر خاص به پزشكان هشدار مي دهند به كار گرفت.
در حالي كه دستگاههاي پزشكي مانند مانيتورهاي قلب ميتوانند علائم حياتي را رديابي كنند، هوش مصنوعي ميتواند دادههاي آن دستگاهها را جمعآوري كند و به دنبال شرايط پيچيدهتري مانند سپسيس(عفونت خون) باشد.
پشتيباني از پزشكي دقيق با كمك هوش مصنوعي مجازي آسان تر مي شود. از آنجايي كه مدلهاي هوش مصنوعي ميتوانند اولويتها را ياد بگيرند و حفظ كنند، هوش مصنوعي اين پتانسيل را دارد كه توصيههاي بيدرنگ شخصي سازي شده را در تمام ساعات شبانهروز به بيماران ارائه دهد. به جاي اينكه هر بار اطلاعات را با يك فرد جديد تكرار كنيد، يك سيستم مراقبت هاي بهداشتي مي تواند به بيماران دسترسي شبانه روزي به يك دستيار مجازي مجهز به هوش مصنوعي را ارائه دهد كه مي تواند به سوالات بر اساس تاريخچه پزشكي، ترجيحات و نيازهاي شخصي بيمار پاسخ دهد.
هوش مصنوعي در حال حاضر نقش برجسته اي در تصويربرداري پزشكي ايفا مي كند. تحقيقات نشان داده است كه هوش مصنوعي با استفاده از شبكه هاي عصبي مصنوعي مي تواند به اندازه راديولوژيست هاي انساني در تشخيص علائم سرطان سينه و همچنين ساير شرايط موثر باشد. علاوه بر كمك به پزشكان در تشخيص علائم اوليه بيماري، هوش مصنوعي همچنين ميتواند با شناسايي بخشهاي حياتي از تاريخچه بيمار و ارائه تصاوير مربوطه به آنها، تعداد خيرهكننده تصاوير پزشكي را كه پزشكان بايد پيگيري كنند، را فراهم كند.
زمان زيادي در طول آزمايشهاي باليني صرف اختصاص كدهاي پزشكي به نتايج بيمار و بهروزرساني مجموعه دادههاي مربوطه ميشود. هوش مصنوعي ميتواند با ارائه جستجوي سريعتر و هوشمندانهتر براي كدهاي پزشكي به سرعت بخشيدن به اين فرآيند كمك كند.
كشف دارو اغلب يكي از طولاني ترين و پرهزينه ترين بخش هاي توسعه دارو است. هوش مصنوعي ميتواند به كاهش هزينههاي توسعه داروهاي جديد به دو صورت كمك كند:
ايجاد طرحهاي دارويي بهتر و يافتن تركيبهاي دارويي نويدبخش. با هوش مصنوعي، مي توان بر بسياري از چالش هاي كلان داده كه صنعت علوم زيستي با آن مواجه است غلبه كرد.
همچنين بخوانيد: براي يادگيري هوش مصنوعي چه پيش نيازهايي لازم است؟
ادغام هوش مصنوعي پزشكي در گردش كار پزشكان مي تواند زمينه ارزشمندي را در حالي كه ارائه دهندگان در حال تصميم گيري در مورد مراقبت هستند فراهم كند. يك الگوريتم يادگيري ماشيني آموزشديده ميتواند با ارائه نتايج جستجوي ارزشمند به پزشكان با بينشهاي مبتني بر شواهد در مورد درمانها و روشها در حالي كه بيمار هنوز در اتاق با آنها است، به كاهش زمان تحقيق كمك كند.
شواهدي وجود دارد كه نشان مي دهد هوش مصنوعي مي تواند به بهبود ايمني بيمار كمك كند. يك بررسي سيستميك اخير از 53 مطالعه بررسي شده كه تأثير هوش مصنوعي بر ايمني بيمار را بررسي ميكرد، نشان داد كه ابزارهاي پشتيباني تصميمگيري مبتني بر هوش مصنوعي ميتوانند به بهبود تشخيص و مديريت دارو كمك كنند.
راه هاي بالقوه زيادي وجود دارد كه هوش مصنوعي مي تواند هزينه ها را در سراسر صنعت مراقبت هاي بهداشتي كاهش دهد. برخي از اميدواركنندهترين فرصتها عبارتند از:
كاهش خطاهاي دارويي، كمكهاي بهداشتي مجازي و حمايت از جريان كار اداري و باليني كارآمدتر.
بسياري از بيماران خارج از ساعات كاري معمولي به سؤالاتي فكر مي كنند. هوش مصنوعي ميتواند به ارائه پشتيباني شبانهروزي از طريق رباتهاي چت كمك كند كه ميتوانند به سؤالات اساسي پاسخ دهند و در مواقعي كه دفتر پزشك آنها باز نيست، منابعي را در اختيار بيماران قرار دهد. هوش مصنوعي همچنين ميتواند بهطور بالقوه براي ترياژ (الويت بندي باليني)سوالات و پرچمگذاري اطلاعات براي بررسي بيشتر مورد استفاده قرار گيرد، كه ميتواند به ارائهدهندگان سلامت در مورد تغييرات سلامتي كه نياز به توجه بيشتري دارند هشدار دهد.
يكي از مزيت هاي اصلي يادگيري عميق اين است كه الگوريتم هاي هوش مصنوعي مي توانند از زمينه قبلي بيمار براي تمايز بين انواع مختلف اطلاعات استفاده كنند. براي مثال، اگر يك يادداشت باليني شامل فهرستي از داروهاي فعلي بيمار به همراه داروي جديدي باشد كه پزشك آنها توصيه ميكند، يك الگوريتم هوش مصنوعي آموزشديده ميتواند از پردازش زبان طبيعي براي شناسايي داروهايي كه در تاريخچه پزشكي بيمار تعلق دارند استفاده كند.
پاسخ دكتر اريك توپول به اين سوال منفي است. او نظرش را در كتاب "deep medicine" با مقايسه تكنولوژيهاي به كار رفته در ماشينهاي خودران با استفادههاي هوش مصنوعي در پزشكي بدين شكل بيان ميكند: مهندسان مشغول در حوزه خودروهاي خودران 5 سلسله مراتب از خودران كردن خودرو ها را ايجاد كردهاند:
سطح1: كامپيوتر و انسان در كنار هم خودرو را كنترل ميكنند مثال اين حالت دستيار پارك و ترمز اضطراري است.
سطح2: كامپيوتر عملا كنترل خودرو را در دست دارد اما در شرايط پيچيدهتر و بحراني وظيفه هدايت خودرو توسط انسان انجام ميشود.
سطح3: در اين حالت كامپيوتر خودرو را كنترل ميكند و توانايي مديريت شرايط پيچيده را نيز دارد و انسان تنها نقش پشتيباني دارد.
سطح4: در اين حالت خودرو در اكثر شرايط نيازي به پشتيباني انسان ندارد و كنترل خودرو در اختيار كامپيوتر است.
سطح5: نقش انسان به طور كامل حذف شده و تحت هيچ شرايطي نيازي به مداخله انسان نيست و فرمان ميتواند حذف شود.
از نظر دكتر توپول رسيدن به مرحله 4 در حوزهي پزشكي بر خلاف خودروهاي خودران دور از ذهن به نظر ميرسد چرا كه اگر چه هوش مصنوعي ميتواند روندهايي مشخص مثل تشخيص يك ضايعه پوستي يا تشخيص يك بيماري از طريق الگوريتمهاي مشخص را بهتر از انسان انجام دهد اما در حوزهي پزشكي به صورت كلي لزوم نظارت انسان غير قابل حذف است. در حوزهي پزشكي پيشرفتهايي مشابه سطح 3 و سطح 2 در مثال بالا بسيار كمك كننده خواهند بود مثل تشخيص بيماري و ارائه راهكارهاي درمان در موارد مشخص.
پزشكان در آينده به مهارتهاي زيادي جهت به كار بردن مناسب هوش مصنوعي در كار خود نيازمند خواند بود؛ علاوه بر فهم اصول پزشكي، به دانش كافي در مفاهيم رياضي، اصول هوش مصنوعي، علم داده و مسائل اخلاقي و حقوقي مرتبط نياز خواهد بود. اين مهارتها به پزشكان كمك خواهند كرد كه از دادههاي منابع مختلف بهره ببرند، بر ابزار مبتني بر هوش مصنوعي نظارت كنند و مواردي را كه احتمال ميرود الگوريتمها دقت كافي نداشته باشند را شناسايي كنند. علاوه بر اين مهارتهاي ارتباطي و ليدرشيپ و هوش هيجاني اهميت دو چنداني خواهند يافت.
الگوريتمهاي هوش مصنوعي نه تنها خودروهاي ما را ايمنتر و خريد را آسانتر ميكنند، بلكه به طور فزايندهاي به تشخيص بيماران كمك ميكنند و در هنگام مراقبت از آنها بهترين تصميم را اتخاذ ميكنند.
هوش مصنوعي وعده مي دهد كه علم پزشكي را به روش هايي تغيير دهد، اما بسياري از كاربردهاي عملي آن هنوز در مراحل اوليه خود هستند و نياز به بررسي و توسعه بهتر دارند. متخصصان پزشكي نيز براي ارائه بهتر مراقبت هاي بهداشتي به جامعه بايد خود را با اين پيشرفت ها همگام كنند و با آنها سازگارشوند.