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
دوره
کارگاه
وبینار
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
وبینارها، کارگاره‌ها و دوره‌ها
 نقش هوش مصنوعی در زمینه سلامت و چالش‌های پیش‌ِروی آن

نقش هوش مصنوعی در زمینه سلامت و چالش‌های پیش‌ِروی آن

دکتر نادر توکلی، معاون درمان دانشگاه علوم پزشکی ایران، بر نقش مهم هوش مصنوعی در زمینه سلامت و چالش‌های پیش‌ِروی آن تأکید کرد و گفت: کاربردهای هوش مصنوعی در حوزه سلامت شامل موقعیت‌هایی متنوع در تشخیص و پیش‌آگهی بیماری، طراحی و کشف داروهای تازه و حتی یاری رساندن به اتخاذ تصمیم‌ در سیاست‌گذاری حوزه سلامت است.

او ضمن ابراز خرسندی از اجرای پروژه‌هایی متنوع با اهداف پژوهشی یا تجاری که نمایانگر توانایی و علاقه زیاد دانشگاه و بخش خصوصی به این موضوع است توضیح داد: در مورد ویروس کرونا، چندین پروژه توسط دانشگاه‌های علوم پزشکی و به‌ویژه ستاد مقابله با کرونای تهران به انجام رسیده که با استقبال مردم نیز مواجه شده است. خوشبختانه کشور ما به چندین دلیل برای استفاده از هوش مصنوعی در حوزه سلامت، دارای ظرفیت‌های زیادی است که به کارآفرینان و پژوهشگران ایرانی امکان رقابت در سطح جهانی را می‌دهد. وجود نیروی انسانی متخصص هوش مصنوعی در کشور یکی از این دلایل است.

معاون درمان ستاد کرونای تهران افزود: با ظهور کرونا، سیستم‌های درمانی و شرکت‌های حوزه سلامت سراسر جهان برای جلوگیری از گسترش این بیماری دست‌به‌کار شدند. پژوهشگران حوزه هوش مصنوعی هم نرم‌افزارهای متعددی را برای مقابله با بیماری کرونا در زمینه‌های گوناگون، مثلِ پیشگیری هوشمند، درمان‌های شخصی‌سازی‌شده، پیش‌بینی‌های اپیدمیولوژیکی و توسعه واکسن و داروهای جدید، ارائه کرده‌اند، که مشابه یکی از این پروژه‌ها نیز توسط محققان دانشگاه شهید بهشتی در کشور ما توسعه یافت و در دسترس عموم قرار گرفت. یکی از دیگر نمونه‌های داخلی نیز پروژه‌ای با همکاری دانشگاه آکسفورد است که به پیش‌بینی وضعیت بیماران بستری کرونا بر اساس داده‌های آزمایشگاهی می‌پردازد.

او با اشاره به اپلیکیشن «ریسک من»، که برای پیش‌بینی ریسک حاد شدن وضعیت بیماران به یاری هوش مصنوعی طراحی و عرضه شده است، ابراز داشت: این اپلیکیشن در هسته خود از مدل هوش مصنوعی‌ای برای پیش‌بینی زودهنگام علائم و احتمال فوت بیمار بر اثر کرونا استفاده می‌کند که به بهبود نتیجه درمانی بیماران منجر می‌شود. در این پروژه از داده‌های بیش از صد هزار بیمار مبتلا به کرونا که در سال ۱۳۹۹ به بیمارستان‌ها مراجعه کرده‌اند استفاده شده است. از زمانی که ستاد مقابله با بیماری کرونای استان تهران در اردیبهشت ۱۴۰۰ از اپلیکیشن «ریسک من» رونمایی کرده تا کنون بیش از یک ‌میلیون نفر در داخل کشور از پیش‌بینی‌ها و راهنمایی‌های این اپلیکیشن بهره‌مند شده‌اند. مقاله علمی این پروژه هم با همکاری پژوهشگران بین‌المللی به چاپ رسیده است.

نادر توکلی، در مورد موانع توسعه محصولات مبتنی بر هوش مصنوعی در حوزه سلامت بیان کرد: از جمله موانع موجود از سمت مدیریت‌های کلان و نهادهای نظارتی می‌توان به چندگانگی در نرم‌افزارهای ثبت اطلاعات پزشکی در کشور، وجود نداشتن سازوکار قانونی مناسب برای تأیید نرم‌افزارهای حوزه درمان و همکاری نکردن برخی از مراکز درمانی در زمینه گردآوری داده‌های اولیه اشاره نمود. در میان موانع و مشکلاتی که در بخش خصوصی وجود دارد نیز می‌توان به نبودِ شفافیت در انتشار داده‌ها و مقالات علمی مناسب، عدم همکاری مناسب بخش خصوصی با نهادهای قانونی تصمیم‌گیرنده و خودداری سرمایه‌گذاران سنتی از سرمایه‌گذاری درازمدت در این حوزه اشاره کرد. البته این محدودیت‌ها، موانع و مشکلات می‌تواند با اقدام‌های مناسب به‌سرعت برطرف شود.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

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.