195

هوش مصنوعی و کاربرد آن در پزشکی

|
0 دیدگاه

نرم‌افزار جامع پشتيبان تصميم‌گيري در پزشکيیکی ازنرم‌افزارهائی است که با استفاده از هوش مصنوعي به تشخيص بيماري‌ها براساس علا‌ئم اقدام مي‌کند.

هوش مصنوعی و کاربرد آن در پزشکی

به طوري که کاربر با وارد کردن نشانه‌هاي بيماري به رايانه، فهرستي از بيماري‌هاي محتمل را مشاهده خواهد کرد.

ثبت دقيق شرح حال بيمار، تشکيل پرونده، درخواستآزمايش‌هاي اوليه و تکميلي، تجويز هوشمند دارو، نسخه نويسي، جستجوي اطلا‌عاتبيماري، روش درمان، بانک اطلا‌عات داروها، روش مصرف و مشخص کردن عوارض جانبيدارو‌ها را از مزاياي اين نرم افزار است.

اين نرم افزار همچنين مي‌تواند بيش از دو هزار بيماري و ۳۰۰ علا‌ئم و نيزاطلا‌عات جامعي در زمينه ۶۰۰ آزمايش پزشکي ۱۳۰ مورد جراحي و ۹۰۰ عنوان دارو را درخود ذخيره کند.

مهمترين قابليت اين نرم افزار بررسي و تشخيص همزمانهزار و ۵۰۰  بيماري  و  ۱۰۰ هزار رابط في ما بين بيماريها می با شد و برای کمک بیشتر به پزشکان ده هزار صفحه از متون معتبر پزشکي ، مجلا‌ت ، مقالا‌ت و تصاوير تخصصي در اين نرمافزار گردآوريشده است.

استفاده از قابلیتهای هوش مصنوعی در تشخیص عفونتهای قلبی تهدید کننده

با كمك ۲ برنامه جديد هوش مصنوعي، امكان تشخيص عفونت‌هاي قلبي تهديدكننده حيات بيماران و همچنين درمان زخم‌هاي باز بدون نياز به فرآيندهاي معمول و زمانبر درماني براي پزشكان فراهم شده است.

پيشرفت حاضر در زمينه تشخيص عوارض مهلك در حالي صورت مي‌گيرد كه به اعتقاد جامعه پزشكي، جدا از نتايج چشمگير آن در نجات جان انسان‌ها و اجتناب از اعمال جراحي تهاجمي و رنج آور، اين پژوهش مي‌تواند بدون نياز به انجام آزمايش‌هاي متعدد به صرفه‌جويي ميليوني هزينه‌هاي بيمارستاني در سال كمك كند.

اين نرم‌افزار را براي شناسايي بيماران داراي عفونت‌هاي قلبي توسعه یافته و این در صورتی است كه چنين عفونت‌هايي با نرخ مرگ و مير بين ۳۰ تا ۵۰ درصد، از عفونت‌هاي بسيار وخيم به شمار مي‌روند.

تشخيص دادن التهابات غشاي دروني قلب (اندوكارديتيك) يك عمل جراحي تهاجمي محسوب مي‌شود و قصد از طراحی این نرم افزار تشخیص اين عفونت بدون روانه كردن لوله كاوشي به درون مري فرد بيماراست..

تصويري كه با استفاده از داخل كردن ابزار آندوسکوپی به درون ناي شخص بيمار كه با كمك دارو تسكين دهنده ، گرفته مي‌شود اصطلاحا قلب‌نگاري فرامري (ترانسوفاژل اندوكارديوگرام) است كه در نوع خود فرآيندي تهاجمي و گران به حساب مي‌آيد.

در واقع يك عمل ۳۰ دقيقه‌اي با اين روش بالغ بر ۲۰۰۰ دلار هزينه دربر دارد و از طرفي انجام اين عمل به تجهيزات فني خاصي نياز دارد كه بسياري از بيمارستان‌ها فاقد آن هستند. اين در حالي است كه پزشكان می توانند به جاي وارد كردن لوله‌هاي پزشكي، به وارد كردن داده‌هاي لازم به رايانه و تحليل آنها بپردازند.

در اين شيوه عمل، پزشكان ابتدا با ثبت داده‌هايي از جمله ضربان قلب، فشار خون، شمارش گلبول‌هاي سفيد خون، حضور ادواتي نظير ضربان سازهاي قلبي يا ساير دستگاه‌هاي تعبيه شده، دماي بدن دريافتي  بيماران در رايانه، نرم‌افزار دستيار عمل خود را آماده سازي مي‌كنند.

در اين ميان، تشخيص نهايي اين بيماران نيز شامل اطلاعات داده شده به رايانه خواهد بود. در مرحله بعدي اين الگوريتم رايانه‌اي به تحليل داده‌هاي موجود براي ارتباط دادن علائم بیماری با تشخيص بيماري مي‌پردازد . در ۵۰ درصد موارد اين نرم‌افزار مي‌تواند ظرف كمتر از ۴ ثانيه يك پيش‌بيني محاسبه‌اي را با دقت ۹۹/۹۹ درصد انجام دهد ،

در باقي موارد نيز اين نرم‌افزار، بيش از ۸۰‌‌درصد صحت عمل داشته است. البته محققان به اين مرحله بسنده نكرده و قصد دارند، گام بعدي پروژه هوش مصنوعي خود را روي ۲۰۰ مورد از پرونده پزشكي بيماراني اجرا كنند كه رايانه، اطلاعي از تشخيص نهايي آنها ندارد.

تشخيص عفونت‌هاي قلبي مشكل است اما اغلب مي‌توان آنها را با تجويز و مصرف حدود يك هفته آنتي‌بيوتيك‌ معالجه كرد.

 زخم‌هاي باز كه پس از هفته‌ها يا ماه‌ها درمان، در برابر التيام و بهبود مقاومت كرده، معالجات را رد مي‌كنند و به عنوان زخم‌هاي كم خون موضعي شناخته مي‌شوند،

راه تشخيص آساني دارند اما در عوض به طرز نااميدكننده‌اي درمان دشواري را به همراه دارند و حتي به اعتقاد برخي پزشكان، اين گونه زخم‌ها هر درماني را بي اثر مي‌كنند و انگار كه هيچ درماني براي التيام آنها صورت نگرفته است.

در همين ارتباط، گروهي از محققان، موفق به توسعه الگوريتمي رياضياتي شده‌اند كه مي‌تواند زمان بسته شدن يك زخم باز از نوع كم خون موضعي و همچنين اين را كه چه عوارض و پيامدهايي طي فرآيند قطع جريان خون و بندآوري بروز مي‌كند، پيش‌بيني كند.

مدل‌هاي فعلي، زخم‌هايي را هدف مي‌گيرند كه در هر صورت بسته خواهند شد، و هدف توسعه مدلي براي زخم‌هايي است كه نمي‌خواهند بسته شوند.

مواردي همچون زخم‌ پاي بيماران ديابتي يا زخم بيماراني كه به دليل عوارض ديگري، قبلا فرآيند بيمارستاني را گذرانده‌اند، از موارد شايع و هدف زخم‌هاي باز محسوب مي‌شود. گروهی تحقيقاتي براي كمك به درمان زخم‌هاي موضعي، برنامه‌اي را توسعه داده‌اند كه داده‌هاي بيماران را پردازش مي‌كند؛

اطلاعاتي از قبيل غلظت خون، فاكتورهاي رشد، حضور گلبول‌هاي سفيد و تراكم فيبروبلاستي از جمله داده‌هايي است كه به رايانه داده مي‌شوند. رايانه نيز با استفاده از اين داده‌ها مدلي سه‌بعدي از زخم مربوط را ايجاد و چگونگي التيام يافتن و بهبود سريع آن را ظاهر مي‌‌كند و بعلاوه زمان بسته شدن زخم را نيز تخمين مي‌زند.

به ادعاي محققان اكنون و بر اساس اين مدل، يك زخم معمولي ظرف حدود ۱۳ روز بسته خواهد شد و اين در حالي است كه پس از گذشت ۲۰ روز تنها ۲۵ درصد از زخم‌هاي باز موضعي التيام و بهبود مي‌يابند. اين اعداد و ارقام با آنچه عملا براي بيماران اتفاق مي‌افتد، تطبيق مي‌كند،

اما در اين ميان نبايد از نظر دور داشت كه تا اينجاي كار تنها در قالب تئوري استفاده شده و مدل حاضر هنوز روي بيماران انساني امتحان نشده است.

به اعتقاد برخي محققان، فناوري هوش مصنوعي يا به عبارتي سامانه‌هاي شبيه‌ساز نحوه كاركردهاي مغز خواه براي بهبود زخم‌ها و چه در مورد عفونت‌هاي قلبي به كار برده شوند،

دست كم به اين زودي‌ها جاي پزشكان واقعي را نخواهند گرفت. اين شبكه‌هاي عصبي مصنوعي نه مي‌توانند بيماران را ببينند و نه مي‌توانند آنها را براي يافتن علائم عفونت و آلودگي يا نشانه‌هاي مرضي مورد آزمايش قرار دهند؛ اما واقعيت اين است كه چنين برنامه‌هايي در موارد گيج‌كننده و مبهم كه كار تشخيص بيماري با دشواري مواجه مي‌شود.

و تشخيص صحيح و بموقع براي پزشك و بيمار بسيار حياتي است، دستياري قابل و مورد اطمينان براي متخصصان باليني به شمار مي‌رود.

0 پسندیده شده
معصومه حیدری
از این نویسنده

بدون دیدگاه

جهت ارسال پیام و دیدگاه خود از طریق فرم زیر اقدام و موارد زیر را رعایت نمایید:
  • پر کردن موارد الزامی که با ستاره آبی مشخص شده است اجباری است.
  • در صورتی که سوالی را در بخش دیدگاه مطرح کرده باشید در اولین فرصت به آن پاسخ داده خواهد شد.