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
 به کمک هوش مصنوعی، تشخیص بیماری و درمان آن به‌موقع خواهد بود

به کمک هوش مصنوعی، تشخیص بیماری و درمان آن به‌موقع خواهد بود

زمان مطالعه: 2 دقیقه

هوش مصنوعی با تشخیص بیماری تحول شگرفی در پزشکی، بهداشت و درمان ایجاد خواهد کرد. داده‌های تشخیصی بیماران از قبیل تصاویر پرتو ایکس، نوار مغزی و سونوگرافی با یادگیری ماشین به شکل بهتری مورد تجزیه و تحلیل قرار می‌گیرند؛ بنابراین، این تغییراتِ عمده زمینه را برای تشخیص بیماری در مراحل ابتدایی فراهم می‌کند؛ اما جای‌گذاریِ هوش مصنوعی در بدن انسان، کماکان یکی از چالش‌های فنی عمده برشمرده می‌شود. درحال‌حاضر، دانشمندان موفق به توسعه‌ سامانه‌های هوش مصنوعی قابل‌جای‌گذاری شده‌اند که الگوهای سالم و بیماری‌زا را در علائم زیستی از قبیل ضربان قلب، طبقه‌بندی می‌کند. همچنین، امکان شناسایی تغییرات بیماری‌زایی بدون نیاز به نظارت پزشکی نیز وجود دارد.

پژوهش‌های پروفسور کارل لئو، دکتر هانس کلیمان و متئو کوچی از ابداع روشی برای طبقه‌بندی علائم زیستی فرد بیمار و سالم حکایت دارد. در این راستا، از یک تراشه هوش مصنوعی تطبیق‌پذیر استفاده می‌شود. دانشمندان از شبکه‌های فیبر پلیمری استفاده کردند که ساختاری مشابهی با مغز انسان دارد. چیدمان تصادفیِ فیبرهای پلیمری، شبکه بازگشتی را پدید می‌آورد، تا امکان پردازش داده به شیوه‌ای مشابه با مغز انسان فراهم گردد. خاصیت غیرخطیِ این شبکه‌ها منجر به تقویت کوچک‌ترین تغییرات سیگنال می‌شود که ارزیابی‌شان برای پزشکان با دشواری زیادی همراه است. با این حال، تبدیل غیرخطی با استفاده از شبکه پلیمری می‌تواند بدون بروز هیچ مشکلی این مانع را از سر راه بردارد.

دقت بالا هوش مصنوعی در تشخیص

در واقع، هوش مصنوعی توانست در آزمایش‌ها با دقت 88 درصدی میان تپش عادی قلب و تپش غیرعادیِ آن تفکیک قائل شود. در این فرایند، شبکه پلیمری، انرژی کمتری نسبت به دستگاه تنظیم ضربان قلب مصرف کرد. از طرفی، سیستم‌های قابل جای‌گذاری هوش مصنوعی می‌توانند در بخش‌های مختلفی به کار برده شوند. برای نمونه، می‌توان از این سیستم‌ها برای نظارت بر تپش‌ غیرعادی قلب یا مشکلاتی که پس از جراحی به وجود می‌آید، استفاده کرد و آن‌ها را از طریق گوشی‌های تلفن هوشمند به پزشکان و بیماران گزارش داد. بنابراین، آن‌ها در زمره‌ دستیارهای پزشکی قابل‌اطمینانی جای می‌گیرند که سرعت کار را افزایش می‌دهند.

متئو کوچی، دانشجوی مقطع دکتری و نویسنده اول مقاله، بیان کرد: «با توجه به پیشرفت روزافزون هادی‌های ترکیبی آلی در طی سال‌های اخیر، امیدها برای به‌ کارگیری وسایل الکترونیکی مدرن در علوم زیستی افزایش یافته است؛ اما تا به امروز، موفقیت‌های حاصل‌آمده فقط به قطعات الکترونیکی ساده‌ای از قبیل حسگرها یا سیناپس‌ها محدود بوده است. با این حال، حل کارهای پیچیده کماکان میسر نشده است. ما در تحقیقات خود، گام بسیار مهمی برای تحقق این چشم‌انداز برداشته‌ایم. ما با بهره‌برداری از قدرت رایانش نورومورفیک نه‌تنها موفق به حل کارهای طبقه‌بندی پیچیده شدیم، بلکه امیدواریم این کار را در بدن انسان نیز انجام دهیم. تحقیق حاضر، زمینه را برای توسعه سیستم‌های هوشمند در آینده فراهم خواهد کرد، تا گام‌های مؤثرتری در راستای نجات جان انسان‌ها برداشته شود.»

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

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"]