Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
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
رویدادها
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 هوش مصنوعی و پیش‌بینی آلزایمر، آزمایش و اسکنی در کار نیست!

هوش مصنوعی و پیش‌بینی آلزایمر، آزمایش و اسکنی در کار نیست!

زمان مطالعه: 3 دقیقه

بیماری آلزایمر یکی از بیماری‌هایی است که می‌توان به آن لقب بیماری مخفی را داد؛ به این دلیل که مدت‌ها بعد از شروع شدن آن، اولین نشانه‌ها ظاهر می‌شوند. به زودی اما هوش مصنوعی می‌تواند با آنالیز نوشته‌ها، مانع از مخفی ماندن آن شود. تیم‌هایی از IBM و Pfizer توانستند مدلی از هوش مصنوعی را تعلیم دهند که نشانه‌های اولیه آلزایمر را توسط بررسی الگوهای زبان‌شناسی استفاده شده در کلمات، تشخیص دهد و بدین ترتیب هوش مصنوعی و پیش‌بینی آلزایمر امکان‌پذیر شود.

پیش از این نیز محققان زیادی اقدام به تعلیم مدل‌های هوش مصنوعی برای تشخیص زودهنگام اولین نشانه‌های بیماری‌ها، کرده بودند. آن‌ها برای این کار از داده‌های مختلف مانند اسکن‌های مغز و تست‌های آزمایشگاهی دیگر استفاده کرده بودند. اما آخرین تلاشی که در این زمینه شده، کامل‌ترین آن‌ها هم هست. طبق اطلاعات تاریخی که مرکز مطالعات مربوط به قلب فرامینگهام منتشر کرده، برای این آزمایش موارد مربوط به سلامتی بیش از 14 هزار نفر از 3 نسل مختلف از سال 1948 مورد بررسی قرار گرفته است. نتایج به دست آمده داده‌هایی هستند که هوش مصنوعی از آن‌ها برای تشخیص بیماری استفاده می‌کند و در صورتی که این آزمایش جامع‌تر هم بشود و بتوان موارد بیشتری برای تغذیه کردن هوش مصنوعی به دست آورد، می‌توان افرادی که مستعد گرفتن آلزایمر هستند را سال‌ها قبل از مبتلاشدن شناسایی و اقدامات پیش‌گیرانه را آغاز کرد. جالب اینجاست که این مدل هوش مصنوعی برای پیش‎بینی پتانسیل فرد برای ابتلا به آلزایمر نیازی به اسکن‌ها و آزمایشات پزشکی فراوان هم ندارد و به همین خاطر هوش مصنوعی و پیش‌بینی آلزایمر میسر می‌شود.

آجای رویورو، نایب رئیس مراقبت‌های بهداشتی و بخش تحقیقات علوم زیستی IBM، مدعی شده که این مدل از طریق مشخص کردن تغییرات نامحسوس در طی سال‌ها زمینه را برای تشخیص متخصصان فراهم می‌کند، یعنی حتی بدون این که فرد مجبور باشد در دوره‌ای خاص مورد معاینه و انجام تست‌های پزشکی قرار بگیرد :«بعد از مشخص شدن این تغییرات است که ممکن است پزشک برای فرد آزمایشاتی تجویز کند».

برای آموزش دادن این مدل‌ها، محققان از برخی افرادی که مرکز مطالعات مربوط به قلب فرامینگهام مورد تحقیق قرار داده بود، خواستند در چند خط داستان خانمی را توصیف کنند که در حال شستن ظرف است و دو فرزندش پشت سر او به سراغ یک شیشه مربا رفته‌اند. از این نوشته‌ها برای بررسی دستخط‎هایشان استفاده شد.

رودا او، مدیر بخش عصب‌روانشناسی مرکز مطالعات فرامینگهام و پروفسور دانشگاه بوستون و تیمش ماموریت جمع‌آوری و تحلیل نوشته‌ها را داشتند. جالب اینجاست که طبق ادعای IBM تنها یکی از مولفه‌های مورد بررسی، دستخط است و مدل هوش مصنوعی پرورش داده شده حتی از الگوهای کلمات مانند تکرار کلمات، اشتباه‌های نوشتاری و استفاده از عبارات ساده به جای عباراتی که ساختار دستوری پیچیده دارند، هم می‌تواند تشخیص‌هایی بدهد. از طرفی داده‌هایی درباره این موضوع که آلزایمر چطور می‌تواند روی مغز فرد مبتلا تاثیر بگذارد هم در اختیار هوش مصنوعی قرار می‎گیرد. مدل اولیه در پیش‌بینی این موضوع که کدام یک از افراد مورد تحقیق قرار گرفته تا قبل از سن 85 سالگی نشانه‌هایی از آلزایمر دارد، 70% دقت عمل داشت.

تمرکز این تحقیق بیشتر روی افراد مسن حاضر در این تحقیق بوده است. هنوز مشخص نیست که هوش مصنوعی در شرایطی که با جامعه وسیع‎تری مواجه شود، چقدر دقت عمل خواهد داشت.

جکاترینا نویکوا، مدیر بخش یادگیری ماشین آزمایشگاه‌های وینترلایت تورنتو، می‌گوید: «تحقیقات جدید روی 40 نفر که نشانه‎هایی از زوال عقل داشتند و 40 نفر که درمان و کنترل آلزایمر آن‌ها آغاز شده، انجام شده است. اما نکته‌ای از این مطالعه که من شخصا آن را بسیار دوست دارم، این است که یکی از معدود اقداماتی است که جامعه آماری بزرگی را مورد آزامایش قرار داده  و داده‌های واقعی آن‌ها در دورانی طولانی جمع‌آوری شده است».

در صورتی که برای مدتی طولانی‌تر نوشته‌ها بررسی و داده‌ها بیشتر شوند، هوش مصنوعی هم می‌تواند با دقت بیشتری نتایج را ارائه دهد. با بیشتر شدن نوشته‌ها موارد باارزش بیشتری مانند لرزش دست، نحوه اتصال دادن حروف به یکدیگر و فاصله‎ای که بین حروف گذاشته می‎شود، هم می‎تواند مورد بررسی قرار گیرد و نتایج قابل قبولی هم به همراه داشته باشد.

رودی او هم به این موضوع اشاره کرده است:«هنوز موارد زیادی وجود دارند که محققان توجهی به آن نکرده‌اند. در صورت رسیدگی به این موارد می‎توان مدل‌های پیش‎بینی‌کننده کامل‌‎تر با دقت بیشتری هم داشت».

محققان امید زیادی به هوش مصنوعی و پیش‎بینی آلزایمر و حتی بیماری‌های دیگر، توسط آن دارند و برای رسیدن به این هدف از روش‌های زیادی استفاده می‌کنند. یکی از مواردی که می‌توان مطالعاتی روی آن انجام داد، الگوی گفتاری است. با استفاده از تحلیل‌گر صحبت هوش مصنوعی می‎توان اطلاعات زیادی به دست آورد که بخش جدید تحقیقات آلزایمر مشغول فعالیت در این زمینه است. مانند روش قبل، محققان در بررسی الگوهای گفتاری هم به دنبال تغییراتی در صدا، نحوه بیان و مواردی شبیه به این هستند. حتی به دلیل وجود فاکتورهایی مانند توقف بین کلمات در هنگام صحبت کردن که در نمونه نوشتاری قابل بررسی نیست، انجام تحقیق روی گفتار به جای نوشتار می‌تواند نتایج دقیق‌تری ارائه دهد.

چه نوشتار و چه گفتار، مشخص است که الگوهای زبانی منبع بسیاری از اطلاعات مربوط به افراد هستند و می‌توانند بیشتر از اسکن‌های مغزی و آزمایشات پزشکی مواردی را مشخص کنند. جمع‌آوری داده‌های مربوط به الگوهای زبانی می‌تواند راهی ساده و ارزان‌قیمت باشد، هرچند که پیش از آن باید به طور کامل درباره فرایند، برای فردی که از او نمونه گرفته می‎شود، توضیح داده و رضایتش جلب شود. شاید برخی از افراد دوست نداشته باشند متوجه شوند که در حال ابتلا به آلزایمر هستند؛ مخصوصا که این بیماری هنوز درمانی قطعی ندارد و ابتلا شدن به آن شرایطی است که نمی‌‎توان تغییرش داد.

همان‌طور که قبلا توضیح داده شد، نمونه‌های گفتاری می‌توانند مفیدتر از نوشتاری باشند و به همین دلیل محققان در تلاش برای تعلیم هوش مصنوعی‌ای برای بررسی الگوهای گفتاری هستند. همچنین تیمی به رهبری رودی او مشغول تحقیق روی هر دو الگو و ادغام آن‌ها شده است. او از روشی جدید بهره برده و برای جمع‌آوری الگوهای نوشتاری از قلم دیجیتالی استفاده کرده است.

گیلرمه چکچی، کسی که پیش از این درباره این آزمایشات نوشته بود و در IBM در بخش روانپزشکی محاسباتی و تصویربرداری عصبی کار می‌کند، می‌گوید:«ما در حال استفاده از این فناوری برای تشخیص بهتر بیماری‌های مانند شیزوفرنی و پارکینسون، هستیم و برای این کار الگوهای گفتاری را با رضایت اشخاص جمع‌آوری کردیم و با استفاده از آن و البته تست‌های پزشکی و آزمایشات مربوطه، به دنبال توسعه تحقیقاتمان هستیم».

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
[wpforms id="48325"]