Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 تشخیص بیماری بدون علائم، انقلابی در مراقبت‌های بهداشتی با هوش مصنوعی

تشخیص بیماری بدون علائم، انقلابی در مراقبت‌های بهداشتی با هوش مصنوعی

دوبی به‌تازگی از اختراعی نوآورانه و البته امیدوارکننده، خبر داده است که تا قبل از سال ۲۰۲۵ وارد بازار خواهد شد.

پیامدها و اثرات همه‌گیری کرونا در سرتاسر دنیا دیده می‌شوند؛ جمعیت کشورها به میزان قابل‌ ملاحظه‌ای کاهش یافته است و رویه‌ها و راهکارهای درمانی قدیم دیگر پاسخگوی شرایط فعلی نیستند. اداره بهداشت ‌و درمان دوبی (DHA) از محصولی رونمایی کرده است که اهمیتی حیاتی برای مراقبت از سلامت انسان‌ها دارد.

نمایشگاه ARAB HEALTH

دوبی از تاریخ ۳۰ ژانویه تا دوم فوریه ۲۰۲۳ (معادل ۱۰ تا ۱۳ بهمن‌ماه)، میزبان رویداد ARAB HEALTH بود که بزرگ‌ترین نمایشگاه سالانه حوزه بهداشت و درمان به شمار می‌رود. بیش از 5,000 غرفه‌دار در نمایشگاه امسال حضور داشتند و محصولات و خدمات نوآورانه خود را به علاقه‌مندان عرضه کردند.

تشخیص بیماری بدون علائم

تشخیص بیماری بدون علائم

اداره بهداشت و درمان دوبی در نمایشگاه ARAB HEALTH امسال اعلام کرد که تا پیش از سال ۲۰۲۵، برای درمان ۳۰ بیماری مختلف، هوش مصنوعی را به کار خواهد گرفت. به گفته مسئولین، سیستم مذکور می‌تواند حتی قبل از اینکه علائم بیماری مشهود شوند، آن را تشخیص دهد و درمان کند. تشخیص زودهنگام، درمان را آسان‌تر می‌کند و احتمال بهبودی را افزایش می‌دهد. چنین قابلیتی علاوه بر کاهش خطرات جانبی، هزینه‌های درمان را نیز پایین می‌آورد. عواملی از قبیل رشد جمعیت، سبک زندگی پرخطر، شیوع بیماری‌های ناگهانی و… به‌ضرورت چنین فناوری‌هایی می‌افزایند.

نحوه کارکرد سیستم

مدل پیش‌بین EJADAH در ماه ژوئن سال گذشته رونمایی شد. این مدل، با ارائه خدمات درمانی و مراقبتی پیشگیرانه، به بهبود وضعیت سلامت عموم مردم و کاهش هزینه‌ها می‌انجامد. اسم این مدل برگرفته از واژه‌ای عربی به معنای «مهارت و چیرگی» است. مدل EJADAH سیستمی ارزش-محور (Value-based) است که به‌جای کمیت، کیفیت خدمات درمانی را در اولویت می‌گذارد. این مدل باتکیه‌بر معیار خروجی گزارش‌شده از سوی بیمار (PROMS) میزان اثربخشی خروجی‌هایش را ارزیابی می‌کند.

مراقبت‌های بهداشتی با هوش مصنوعی

گسترش دامنه تأثیر سیستم

مدل EJADAH قرار است در سال جاری بر این بیماری‌ها تمرکز داشته باشد: انسداد مزمن ریه (COPD)، بیماری التهابی روده (IBD)، پوکی استخوان، پرکاری تیروئید، درماتیت آتوپیک (اگزما)، عفونت مجاری ادارای، میگرن و سکته قلبی (MI).

با این حال، در سال ۲۰۲۴، بیماری‌های‌ زخم گوارشی، رماتیسم مفصلی، چاقی، سندروم متابولیک، سندروم تخمدان پلی‌کیستیک، آکنه، هایپرپلازی خوش‌خیم پروستات و آریتمی قلبی در اولویت قرار خواهند گرفت.

در سال ۲۰۲۵ نیز سیستم به این بیماری‌ها می‌پردازد: سنگ کیسه صفرا، پوکی‌استخوان، بیماری‌های تیروئیدی، درماتیت، پسوریازیس، سکته یا نقص مادرزادی قلب (CHD)، ترومبوز ورید عمقی (DVT) و نارسایی مزمن کلیوی.

برچسب‌زنی داده‌های پزشکی

عملکرد بدون نقص مدل‌های یادگیری ماشینی به کیفیت و اعتبار داده‌های آموزشی آن‌ها بستگی دارد. چنین دیتاست‌هایی از طریق برچسب‌زنی به داده‌ها به دست می‌آیند. منظور از برچسب‌زنی، شناسایی داده‌های خام است؛ داده‌ها بعد از برچسب‌زنی عنوانی دریافت می‌کنند که یک یا چندین معنی به آن‌ها می‌بخشد. در وهله بعد، کیفیت داده‌هاست که نقشی حیاتی در عملکرد سیستم ایفا می‌کند. تولید چنین دیتاست‌هایی مستلزم حضور متخصصان پزشکی برای برچسب‌زنی دقیق به

بنر اخبار هوش مصنوعی

مقاله ما چطور بود؟

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.