واکنش سریع به کووید ۱۹ ؛ یک هوش مصنوعی که نمابرها را سریعتر میخواند
از وقتی که بیماری کووید ۱۹ جهان را در برگرفت، آلیسون استریبیلینگ به مرکز بهداشت شهر کانترا کوستا در نزدیکی سانفرانسیسکو انتقال یافت. از آن زمان تاکنون استریبیلینگ چیزهای زیادی در مورد این بیماری عفونی آموخته است. یکی از اکتشافات وی این است: دستگاههای نمابر تا چه اندازه برای واکنش سریع به کووید ۱۹ در آمریکا حیاتی هستند.
در سراسر کشور، آزمایشگاهها و ارائهدهندگان خدمات بهداشتی موارد جدید بیماری را به ادارات بهداشت محلی گزارش میدهند. در مراکز بهداشتی کانترا کوستا، مقامات از این اطلاعات برای شروع ردیابی تماس یا ارسال کمک بیشتر در موارد خاصی مانند مراقبتها خانگی یا یک پرسنل مبتلا، استفاده میکنند.
در یک روز معمولی در کانترا کوستا ، تنها نیمی از این گزارشها به صورت الکترونیکی میرسند. صدها گزازش دیگر از طریق خط نمابر به دست کارکنان میرسند و تلی از گزارشهای رسیده روی هم انبار میشوند و خواندن این فهرست تبدیل به یک کار پایانناپذیر شود. استریبلینگ، متخصص برنامه بهداشت عمومی میگوید: این فرایند میتواند بسیار طولانی شود، به خصوص هنگامی که موج بیماری پیش بیاید. شما احساس میکنید هرگز نمیتوانید از پس آن برآیید.
اکنون فناوری به کمک کارکنان بخش بهداشت کانترا کوستا آمده است تا بتوانند از نمابرها برای واکنش سریع به کووید ۱۹ استفاده کنند. درست قبل از جشن شکرگذاری، این بخش از نرم افزاری به نام Covid Fast Fax رونمایی کرد که با همکاری محققان دانشگاه استنفورد توسعه یافته بود. این نرمافزار نمابرهای اضطراری جدید را با استفاده از الگوریتمهای یادگیری ماشین علامتگذاری میکند تا کارکنان ابتدا این نمابرها را مدنظر قرار دهند. هنگامی که استریبلینگ و همکاران دیگرش از تعطیلات سال نو برگشتند با صدها فکس خوانده نشده روبرو شدند، اما حداقل میدانستند این بار از کجا شروع کنند. استریبلینگ میگوید: «تعطیلات زمان خوبی برای آزمایش این نرمافزار بود».
بروز کووید ۱۹ در آمریکا و نحوه پاسخدهی سیستم بهداشت و درمان ضعفهای این سیستم را بیش از پیش نشان داد. مساله نمابرها نیز بار دیگر نشان داد که مراقبتهای بهداشتی با چه نواقصی روبرو است. اما در چنین شرایطی ذهنهای خلاق به کمک افراد میآید و میتوانند نیازهای فوری افراد وجامعه را برطرف کنند. همانطور که سریعا میلیونها کاور صورت و مواد ضدعفونی کننده خانگی ساخته شد. پروژههایی همانند این نرمافزار در سال ۲۰۲۰ میتوانند زندگی بسیاری را نجات دهند. به همین دلیل خالقان این برنامه اکنون کد و روش خود را برای استفاده سایر محققان یا دیگر بخشهای بهداشتی منتشر کردهاند.
جرقه این نرمافزار هوش مصنوعی وقتی زده شد که آمیت کاوشال در بهار امسال ایدههای خود را به بخش بهداشت کانترا کوستا مطرح کرد. کاوشال پزشک و استاد دانشگاه استنفورد است که در زمینه ادغام یادگیری ماشینی در مراقبتهای بهداشتی فعالیت میکند. کاوشال دو پیشنهاد همکاری داده بود. یکی از آنها جلوگیری از انتقال ویروس کرونا از طریق سیگنالهای بلوتوث بود، اما پیشنهاد دوم او که مفهوم خط فکس تقویتشده با هوش مصنوعی بود بیشتر مقامات بخش را هیحانزده کرد.
کارکنان مراکز بهداشتی در کانترا کوستا علاوه بر حجم بالای گزارشها با مشکل دیگری نز روبرو بودند. فایلها بهصورت پیدیاف در نمابر ظاهر میشوند نه تودهای از برگهها. اما تشخیص و ارزیابی موارد مبتلا به بیماری کووید ۱۹ با یک نگاه مشکل است.
این موارد را میتوان به چندین شکل مختلف گزارش کرد، همانطور که برای بیماریهای دیگر نیز مورد استفاده قرار میگیرد. اغلب این گزارشها با دست تایپ شدهاند و ممکن است خط خوردگی داشته باشند وگاهی اوقات نیز لابه لای گزارشها یا سوابق دیگر میرسد. در یک روز معمول، دو متخصص بهداشت عمومی برای خواندن و اولویتبندی نمابرهای رسیده تعیین میشوند. استریبلینگ، مدتی وظیفه نظارت بر تیمی را بر عهده داشته که مسئول رسیدگی به دادههای گزارش ورودی بود. او در این باره میگوید: تعداد بسیار کمی از نمابرها یکسان هستند و برای توجه به جزئیات نیاز به آموزشهای ویژهای است. انجام این کار برای هشت ساعت یا بیشتر دشوار است.
کاوشال و همکارانش در استنفورد قصد داشتند این مشکل را با استفاده از نرمافزار یادگیری ماشین که تصاویر را تجزیه و تحلیل میکند برطرف کنند. این فناوری درواقع برای تشخیص تومورها استقاده میشود و برای اولین بار است که از آن در فکس استفاده میشود. از آنجایی که اطلاعات پزشکی حساس هستند از آنها نمیشد برای این آزمایش استفاده کرد. به همین دلیل کاوشال برخی از افراد را برای این کار استخدام کرد و از آنها خواست فرمهای گزارش بیماری که بهطور تصادفی تولید شده بودند را پر کنند.
این فرمهای ساختگی به خط نمابر ارسال شدند تا دادههای نمونه با ظاهری معتبر ایجاد شود. دانشجویی به نام آدام لاورتو از این دادهها برای آموزش این نرمافزار استفاده کرد تا تعیین کند که آیا نمابر رسیده حاوی گزارشی در مورد یک فرد مبتلا به کووید ۱۹ است یا به موارد دیگری مانند گزارش بیماری سل مربوط میشود. نتایج خوب بود اما وقتی که محققان سعی داشتند مدل دوم هوش مصنوعی را به منظور رونویسی خودکار تمام دادههای صفحات توسعه دهند به یک مشکل برخوردند. کاوشال میگوید: ما خوب بودیم اما نه اندازه کافی، زیرا دست خط پزشکان سیستم هوش مصنوعی ما را با مشکل مواجه کرد.
محققان دوباره روی یک کار کوچک متمرکز شدند: آنها این بار میخواستند مدلشان به آنها بگوید که کدام یک از گزارشهای رسیده نیاز به رسیدگی فوری دارد. برای این کار نرمافزار باید باکس بالای صفحه را بررسی کند تا مشخص شود آیا این کیس، نیاز به دنبال درمان فوری دارد یا نه. در یک آزمایش با استفاده از حدود ۱۰۰۰ فکس واقعی که به مرکز بهداشت کانترا کوستا ارسال شده بود، مدل ۸۳٪ از موارد را که دارای اولویت بالایی بودند به درستی شناسایی کرد، سطحی که برای یک آزمایش در دنیای واقعی به اندازه کافی خوب است.
محققان همکاری تنگاتگی با استریبلینگ و سایر کارکنان مرکز بهداشت داشتند تا این نرمافزار را به گونهای کاملا سازگار با کار این افراد توسعه دهند اما آنها وقت نکردند که یک رابط کاربری زیبا برای این نرمافزار طراحی کنند. این نرمافزار نام هر فایل PDF را با یکی از پنج برچسب اولویت دار تغییر میدهد. به طور مثال فایل 01hcw مربوط به کارکنان درمانی است و دیدن این برچسپ به پرسنل مرکز اجازه میدهد با مرتبسازی لیست سریعترین موارد را مشاهده کنند.
بخش بهداشت برای اولین Covid Fast Fax را یک روز پیش از تعطیلات جشن شکرگذاری راه انداخت. از زمان شیوع همه¬گیری ویروس کرونا، کارکنان این بخش حتی یک روز نیز بیکار نبودهاند و دائما در حال بررسی فکسهای جدید بودهاند و در واقع این اولین تعطیلات آنها بود. آنها پس از این تعطیلات دوروزه به اداره برگشتند و با بیش از ۴۰۰ فکس جدید روبهرو شدند که خواندن آنها بیش از یک روز زمان نیاز داشت. استریبلینگ که اخیراً در بخش واکسناسیون کووید ۱۹ کانترا کوستا مشغول به کار است میگوید: دیدن آن حجم از فکس کمی ترسناک بود. اما میدانستیم که این نرمافزار قرار است به ما برای واکنش سریع به کووید ۱۹ کمک کند و این برای ما بسیار دلگرمکننده بود. کارکنان هنوز هم تمامی تمابرهای دریافتی را پردازش میکنند.
اکنون کاوشال و همکارانش از توسعه برنامه خود راضی هستند، اگرچه این برنامه ممکن است به خوبی دیگر پروژههای هوش مصنوعی استنفورد نباشد. کاوشال میگوید: اگر ما با کووید ۱۹ دست و پنجه نرم نمیکردیم، احتمالا به ذهن هیچکس نمیرسید که میتواند از هوش مصنوعی برای استخراج اطلاعات از نمابرها استفاده کرد.
لاورتو از دیگر همکاران این تحقیق میگوید: این پروژه به ما یاد داد که برای بهبود مراقبتهای بهداشتی نیازی به الگوریتمهای جدید و پیشرفته ندارید. در واقع ما وقت زیادی را برای تقویت و بهبود هوش مصنوعی صرف میکنیم در حالی که این پروژه نشان داد با همین هوش مصنوعی که اکنون در اختیار داریم میتوانیم کارهای بزرگی انجام دهیم.
اگرچه نرمافزار Covid Fast Fax یا موارد مشابه آن برای شرایط منحصر به فرد سال ۲۰۲۰ توسعه داده شد اما ممکن است بعدها کاربرد دیگری نیز پیدا کند. پیشبینی میشود دستگاههای نمابر در سالهای آینده نقش مهمی در سیستم مراقبتهای بهداشتی آمریکا داشته باشد. جولیا آدلر-میلشتاین، مدیر مرکز اطلاعات بالینی و تحقیقات سلامت دانشگاه کالیفرنیا میگوید: این ابزارها بسیار انعطافپذیر و کاربردی هستند.
علیرغم صرف میلیاردها دلار هزینه توسط دولت فدرال برای تشویق ارائهدهندگان خدمات بهداشتی به پردازش اطلاعات به صورت الکترونیکی، کماکان مراکز بهداشتی برای ارسال اطلاعات پزشکی از فاکس استفاده میکنند. تاکنون انگیزههای دیجیتالیشدن بیشتر در بیمارستانها و مراکز خصوصی بوده است و بخشهای بهداشت عمومی و مراکز مراقبت طولانی مدت که اکنون در خط مقدم کووید ۱۹ هستند خیلی تمایلی به این کار نشان نداده بودند.
دولت آمریکا اگرچه دیر اما ظاهرا تصمیم گرفته است تا نمابرها را با تکنولوژی جدیدتر جایگزین کند. صحبتهایی شده است تا با ایجاد API انتقال سریعتر دادههای بیمارها انجام بگیرد و این اطمینان حاصل شود که در صورت حذف فکس از فرایند مراکز بهداشتی، لطمهای به این مراکز وارد نمیشود.سیما ورما، مدیر CMS در یک پست وبلاگی میگوید: این مساله غیرقابل قبول است که ظرفیت و توانایی سیستم سلامت ما در عصر حجر باقی مانده است.
به هر حال پیشنهاد حذف نمابرها از سال ۲۰۲۳ به اجرا در خواهد آمد. در حال حاضر، بعید به نظر میرسد که از نقش مهم دستگاههای نمابر برای واکنش سریع به کووید ۱۹ چشم پوشی شود. در هفتههای اخیر موارد جدید ویروس کرونا در شهرستان کنترا کوستا به بالاترین سطح رسیده است. بعد از تعطیلات کریمسس، کارکنان این مرکز بیش از هر زمان دیگری با نمابرهایی روبرو شدند که باید پردازش میشدند. اما حداقل میدانستند که کدام یک از موارد جدید ابتلا در اولویت هستند.
انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید