کاربرد هوش مصنوعی در پزشکی
کاربردهای هوش مصنوعی

استفاده از فناوری هوش مصنوعی در نقش پزشک‌یار

    0

    پزشکان به طور روزافزون از کاربرد هوش مصنوعی در پزشکی برای تجویز، خواندن و تحلیل یاداشت‌ها استفاده می‌کنند. علاوه بر این، فناوری هوش مصنوعی با توجه به این یادداشت‌ها و مکالماتی که میان پزشکان و بیماران شکل می‌گیرد، پیش‌بینی‌هایی انجام می‌دهد. طبق مطلبی که به تازگی در Axios منتشر شده، استفاده از فن‌آوری هوش مصنوعی علاوه بر ایجاد فرصت‌های جدید در حوزه بهداشت و درمان به نگرانی در خصوص حفظ حریم خصوصی بیماران نیز دامن می‌زند.

    هوش مصنوعی با ثبت خودکارِ یاداشت‌های گفتاری و نوشتاری پزشکان می‌تواند کمک بزرگی به آن‌ها بکند. شغل پزشکان به خودیِ خود سخت و طاقت‌فرسا است و اینکه مجبور می‌شوند ساعت‌ها از وقت خود را صرف ثبتِ دستیِ اطلاعات در پرونده الکترونیک بیمار (EHRs) ‌کنند، نه تنها به آن‌ها کمکی نمی‌کند بلکه خستگی‌‌شان را دو چندان می‌کند.

    بنابر پژوهشی که محققان دانشگاه نیومکزیکو به تازگی انجام داده‌اند، پزشکان اظهار داشتند ۱۳% از خستگی و استرس آن‌ها با EHR ارتباط مستقیم دارد. خلاصه‌ای از یافته‎های این پژوهش در EHR Intelligence منتشر شده است. طبق اظهارات دکتر فیلیپ کراس، مدیر پژوهشکده انفورماتیک زیست‌پزشکی در دانشگاه نیومکزیکو، ۴۰ درصد از استرس پزشکان ریشه در طراحی و نظم دادن به فرایند‌های بالینی دارد که هر دو با EHR مرتبط هستند.

    به گفته کراس: « سالانه معادل هفت کلاس از فارغ‌‌التحصیلان رشته پزشکی حرفه خود را به دلیل خستگی مفرط ترک می‌کنند و دلیل آن‌ را زمان‌بر بودن فرایند مستندسازی پرونده‌های پزشکی و تأثیر آن بر کیفیت روابط آن‌ها با بیماران و خانواده‌های‌شان عنوان می‌کنند.به عبارت دیگر، مستندسازی پرونده‌های پزشکی با هدف راحت‌تر کردن کار پزشکان معرفی شده بود، اما می‌بینیم که نتایجی کاملاً عکس داشته‌اند.»

    محققان دانشگاه نیومکزیکو با همکاری محققانی از دانشگاه استنفورد، دانشگاه مینه‌سوتا، مرکز درمانی ایالت هنپین، بیمارستان Centura Health شعبه کلورادو و تگزاس، نظر ۲۸۲ پزشک را در مورد تأثیرات EHR بر استرس و خستگی مفرط جویا شدند.

    افزایش مدت زمان لازم برای ثبت سوابق پزشکی

    قانون فن‌آوری اطلاعات سلامت برای سلامت اقتصادی و بالینی (HITECH) در سال ۲۰۰۹، با وعده تسهیل تشریفات اداری تصویب شد. اکنون پس از گذشت ده سال از آن، نتایج این نظرسنجی حاکی از این است که مدت زمان لازم برای ثبت سوابق پزشکی نه تنها کاهش پیدا نکرده بلکه دو برابر شده است. در این شرایط است که کاربرد هوش مصنوعی در پزشکی می‌تواند مفید واقع شود. در حال حاضر، پزشکان به ازای هر یک دقیقه‌ای که با بیماران خود وقت می‌گذارنند، دو دقیقه را باید صرف کار با کامپیوتر و ثبت دستی اطلاعات بکنند. در این میان، تعدادی از پزشکان مجبور می‌شوند برخی از کارهای خود را در خانه انجام دهند.

    به گفته کراس، مستندسازی پرونده‌های پزشکی به ازای هر هفته ۶۰ ساعت زمان می‌طلبد و همین امر روابط پزشکان با بیماران و خانواده‌های‌شان را تحت‌الشعاع قرار می‌دهد. این مشکل راه را برای ورود راهکارهای هوش مصنوعی باز می‌کند؛ این راهکارها بخش‌های زیادی از فرایندها را به صورت خودکار در می‌آورند.

    ارزش واقعی هوش مصنوعی در داده‌هایی است که از یادداشت‌های پزشکان و مکالمات آن‌ها با بیماران جمع‌آوری می‌کند. به گفته دوآن میشل، رئیس مؤسسه علوم کاربردی و بالینی در دانشگاه فلوریدا، راهکارهای هوش مصنوعی می‌توانند اطلاعات را استخراج و تفسیر کنند.

    برای مثال، فن‌آوری هوش مصنوعی می‌تواند در مدت زمان کوتاهی گروه مناسبی از بیماران را جهت ثبت کارآزمایی بالینی شناسایی کند. به گفته مونا فلورس، مدیر بخش کاربرد هوش مصنوعی در بهداشت و درمان در شرکت Nvidia، اگر بخواهیم این فرایند را به صورت دستی انجام دهیم باید هفته‌ها از وقت خود را صرف استخراج اطلاعات از دیتابیس‌ها بکنیم، حال آن‌که هوش مصنوعی در عرض «چند دقیقه» می‌تواند این کار را برای ما انجام دهد.

    کاربرد هوش مصنوعی در پزشکی

    مدل GaterTron: محصولی مشترک از دانشگاه فلوریدا و Nvidia

    روز هشتم آوریل، محققان مرکز دانشگاهی سلامت (دانشگاه فلوریدا) از آغاز همکاری خود با پژوهشگران Nvidia خبر دادند. آن‌ها هدف از این همکاری را ساخت مدل GatorTron به منظور استفاده از کاربرد هوش مصنوعی در پزشکی اعلام کردند.

    GatorTron یک مدل پردازش زبان طبیعی است که می‌تواند در مدت زمان کوتاهی از حجم بالایی از داده‌های پزشکی، اطلاعاتی استخراج کند.

    بنابر مطلبی که در سایت UFHealth وابسته به دانشگاه فلوریدا منتشر شده، سال گذشته، دانشگاه فلوریدا و شرکت Nvidia در راستای هم‌افزایی همکاری میان بخش خصوصی و دولتی همکاری خود با یکدیگر را آغاز کردند. بودجه در نظر گرفته شده برای این همکاری ۱۰۰ میلیون دلار است. هدف از این همکاری تحقیق و پژوهش در زمینه هوش مصنوعی و ابررایانش عنوان شده است. ساخت مدل زبانی GatorTron اولین دستاورد این همکاری است.

    UFHealth برای ساخت این مدل زبانی و استفاده از کاربرد هوش مصنوعی در پزشکی، داده‌های پزشکی بیش از دو میلیون بیمار را که در طول ده سال جمع‌آوری و هویت‌زدایی شده بودند و داده‌های به دست آمده از مراجعه ۵۰ میلیون بیمار به بخش‌های مختلف تخصصی از جمله سرطان‌شناسی، داخلی، مراقبت‌های ویژه را در اختیار این گروه از محققان گذاشت. هیئت نظارت دانشگاه فلوریدا و UFHealth به مردم اطمینان داده‌اند که کنترل‌های امنیتی لازم در خصوص عدم افشای داده ها و نقض حریم خصوصی بیماران ایجاد شده است.

    به گفته دکتر دیوید نلسون، معاون ارشد امور درمان در دانشگاه فلوریدا و معاون UF Health، طبیعتاً ثمره همکاری متخصصانی از بخش دولتی و خصوصی و استفاده از پیشرفته‌ترین فن‌آوری‌های هوش مصنوعی و منابع محاسباتی مدلی همچون Gatortron است. همکاری ما با Nvidia اهمیت زیادی برای دانشگاه فلوریدا دارد. زیرا در این صورت این دانشگاه به قطبی برای توسعه و استفاده از فن‌آوری‌های هوش مصنوعی در حوزه بهداشت و درمان تبدیل می‌شود.

    مایکروسافت شرکتی در زمینه ساخت نرم‌افزار تشخیص صوت را می‌خرد!

    چندی پیش شرکت مایکروسافت اعلام کرد شرکت Nuance Communications را خریداری کرده است؛ شرکت Nuance Communications به صورت تخصصی در زمینه ساخت نرم‌افزاری تشخیص صوت فعالیت دارد. نرم‌افزارهای ساخت این شرکت می‌توانند صدای مکالمات پزشکان و بیماران را رونویسی و تحلیل کند.

    شرکت Nuance سال گذشته از محصول جدیدی موسوم به Dragon Ambient eXperience (DAX) رونمایی کرد؛ این محصول در کنار سیستم‌های EHR استفاده می‌شود و مکالمات میان پزشکان و بیماران را ثبت و رونویسی می‌کند.

    گفته‌ها حاکی از این است که DAX از Dragon Medical استفاده می‌کند؛ بیش از ۵۰۰۰۰۰ پزشک از سراسر جهان به منظور مستندسازی روند درمانی بیمار از طریق صدا از این راهکار استفاده می‌کنند. هدف شرکت Nuance از همکاری با مایکروسافت این بوده که این محصول را به قابلیت‌های ابری شرکت مایکروسافت مجهز کند.

    SSM Health یک نظام درمانی یکپارچه، غیرانتفاعی و کاتولیک است که به ایالت‌های غرب آمریکا خدمات‌رسانی می‌کند. این نظام درمانی قصد دارد به طور آزمایشی از این فن‌آوری در برخی از کلینیک‌های تخصصی خود واقع در سنت لوئییس، میسوری، اکلاهما و ویسکونسین استفاده کند. به گفته دکتر آن کاپلاری، رئیس و مدیر ارشد اطلاعات پزشکی در SSM Health، DAX این امکان را برای پزشکان فراهم می‌کند تا مدت زمان بیشتری را با بیماران خود سپری کنند و مدت زمان کمتری را صرف انجام امور اداری کنند. در چنین شرایطی روابط مستحکم‌تری میان پزشکان و بیماران شکل می‌گیرد و واضح‌تر می‌توانند با یکدیگر گفت‌وگو کنند.

    کلینیک Mayo

    روز چهاردهم آوریل، کلینیک غیرانتفاعی Mayo واقع در راچستر، مینه‌سوتا از پلتفرم مدیریت و تشخیص از راه دور (RDMP) رونمایی کرد. هدف از توسعه این ابزار این بوده که کادردرمان استفاده بهینه‌تری از دستگاه‌های متصل درمانی داشته باشند و برای مثال بتوانند از راه دور بر سلامت بیمار نظارت داشته باشند.

    بنابر mHealth Intelligence، RDMP دستگاه‌ها را به منابع هوش مصنوعی متصل می‌کند و این منابع به کادر درمان در اخذ تصمیمات پزشکی و تشخیص بیماری کمک می‌کند و از این طریق از کاربرد هوش مصنوعی در پزشکی به طور بهینه بهره می‌‎برد.

    به گفته دکتر جان هالامکا، مدیر پلتفرم کلینیک Mayo، « افزایش ناگهانی استفاده از دستگاه‌های معاینه بیمار از راه دور و تسریع فرایند توسعه الگوریتم‌های هوش مصنوعی و یادگیری ماشین می‌تواند دنیای تشخیص پزشکی را متحول کند. پزشکان از طریق RDMP می‌توانند به بهترین الگوریتم‌ها و پروتکل‌های درمانی دسترسی داشته باشند. علاوه بر این، می‌توانند به بیماران بیشتری در مناطق دور دست خدمات رسانی کنند. این پلتفرم به بیماران کمک می‌کند کنترل بیشتری بر روی بیماری خود داشته باشند و بر اساس اطلاعاتی که مستقیماً در اختیار آن‌ها قرار می‌گیرد، تصمیم‌گیری بهتری داشته باشند.

    علاوه بر آنچه گفته شد، هوش مصنوعی در ارائه خدمات بهداشت روانی نیز کاربرد دارد. دانیال بارون، متخصصی اعصاب و روان، در کتاب خود به نام «ذهن‌خوانی: ظهور کلان‌داده‌ها در حوزه روان‌پزشکی» می‌گوید: « روان‌پزشکی بالینی از صد سال قبل تا به امروز تغییری نکرده است. به عبارت دیگر، روانپزشک در مقابل مراجعه‌کننده می‌نشیند و به صحبت‌های او گوش می‌دهد و متناسب با آنچه گفته شده، درمانی در نظر می‌گیرد.»

    بارون آینده‌ای را تصور می‌کند که در آن مدل‌های هوش مصنوعی این مکالمات را ضبط می‌کنند و سپس صحبت‌های مراجعه‌کننده و حتی حالات چهره او را تحلیل می‌کنند تا نشانه‌هایی مبنی بر بیماری‌های عصبی و روانی و روش درمانی متناسب با آن را بیابند. البته، اگر قرار است هوش مصنوعی به صحبت‌های مراجعه‌کننده با روان‌پزشک گوش کند و آن‌ها را تحلیل کند، قبل از هر چیز باید رضایت او ارا جلب کنیم.

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    محققان ایرانی موفق به ساخت یک هدست هوشمند مبتنی بر علوم اعصاب شدند

    مقاله قبلی

    مقایسه پایتون و جاوا ؛ تفاوت‌های تاثیرگذار در انتخاب زبان برنامه‌نویسی

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *