Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
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
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
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
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
 هوش مصنوعی برای پیشگیری از زوال هوش انسانی

الگوریتم‌های هوش مصنوعی در خدمت تشخیص‌های پزشکی پیشگیرانه

هوش مصنوعی برای پیشگیری از زوال هوش انسانی

زمان مطالعه: 4 دقیقه

هوش مصنوعی به‌عنوان یکی از فناوری‌های پیشرو در عصر حاضر، تأثیر عمیقی بر حوزه پزشکی، به‌ویژه با کمک دانش پردازش تصویر، در بهبود تشخیص بیماری‌ها از طریق تصویربرداری‌های پزشکی مانند MRI، گذاشته است. این فناوری با توانایی تحلیل حجم عظیمی از داده‌های پیچیده و شناسایی الگوهای غیرقابل‌تشخیص برای چشم انسان، دقت و سرعت تشخیص بیماری‌ها را به طور چشمگیری افزایش داده است.

در حوزه تصویربرداری MRI، هوش مصنوعی امکان تحلیل دقیق‌تر تصاویر مغزی را فراهم کرده و در تشخیص زودهنگام بیماری‌هایی مانند آلزایمر نقش کلیدی ایفا می‌کند. توانایی هوش مصنوعی و الگوریتم‌های یادگیری ماشین در پردازش تصاویر و داده‌های پزشکی، نه‌تنها به پزشکان در ارائه تشخیص‌های دقیق‌تر کمک می‌کند، بلکه با کاهش هزینه‌های درمانی و بهبود کیفیت زندگی بیماران، بار مالی و اجتماعی بیماری‌های مزمن را کاهش می‌دهد. مجموعه «کیومدیکال» با رهبری فکری «دکتر حمیدرضا سلیقه راد»، یکی از پیش‌گامان این حوزه در ایران است که با توسعه نرم‌افزارهای کمک تشخیصی مبتنی بر هوش مصنوعی، گامی بزرگ در جهت غربالگری و تشخیص بیماری‌های مغزی از جمله آلزایمر و دمانس یا همان زوال عقل برداشته است. در حاشیه نمایشگاه اینوتکس ۲۰۲۵ به گفت‌وگویی مفصل با دکتر سلیقه راد راجع به گام‌های هوش مصنوعی در صنعت پزشکی ایران پرداختیم.

داستان کیومدیکال

دکتر حمیدرضا سلیقه راد، استادیار گروه فیزیک و مهندسی پزشکی دانشگاه علوم پزشکی تهران و فارغ‌التحصیل دانشگاه‌های معتبر پنسیلوانیا و هاروارد و همچنین متخصص تصویربرداری MRI و هوش مصنوعی است. وی همچنین بنیان‌گذار و مدیرعامل مجموعه کیومدیکال است که از سال ۱۳۹۲ فعالیت خود را با تأسیس گروه تحقیقاتی QMISG (Quantitative MRI Imaging Spectroscopy Group)، فعال در حوزه تحقیقات و توسعه تصویربرداری MIR  مبتنی بر طیف‌سنجی، آغاز کرد. این مجموعه با تمرکز بر پردازش و تحلیل تصاویر MRI و توسعه نرم‌افزارهای کمک تشخیصی، در حوزه بیماری‌های مغزی مانند آلزایمر و دمانس، توانسته است دستاوردهای قابل‌توجهی کسب کند. کیومدیکال با بهره‌گیری از تجربیات بین‌المللی دکتر سلیقه راد و تیم تحقیقاتی‌اش، نرم‌افزارهایی مبتنی بر هوش مصنوعی مانند نوروترک (NeuroTrack) را توسعه داده است که با استفاده از تصاویر روتین MRI، امکان غربالگری و تشخیص زودهنگام بیماری‌های مغزی را با دقتی بیش از ۹۵ درصد فراهم می‌کند.

ویژگی‌های ساختاری

نرم‌افزار نوروترک یکی از محصولات کلیدی کیومدیکال است که با استفاده از تصاویر معمول MRI مغزی، تحلیل‌های پیشرفته‌ای ارائه می‌دهد. به گفته دکتر سلیقه راد، نوروترک با مقایسه نشانگر‌های زیستی مغزی (Brain Marker) فرد بیمار با پایگاه داده‌ای از افراد سالم در رده سنی ۲۰ تا ۸۰ سال، انحرافات مغزی را با دقت بالای ۹۵٪ شناسایی می‌کند. ویژگی‌های اصلی این نرم‌افزار عبارت‌اند از:

  1. تحلیل دقیق نشانگرهای مغزی: نوروترک بیش از ۲۵۰ نشانگر مغزی را از نقاط مختلف مغز استخراج و تحلیل می‌کند که اطلاعات جامعی برای پزشکان متخصص مغز و اعصاب فراهم می‌آورد.
  2. مقایسه زمانی: امکان مقایسه تغییرات مغزی فرد در طول زمان برای ارزیابی پیشرفت بیماری یا اثربخشی درمان.
  3. گزارش‌های دوگانه: ارائه گزارش تخصصی برای پزشکان متخصص و گزارش عمومی سلامت مغز برای پزشکان عمومی یا خانواده‌های بیماران که به غربالگری و آگاهی از وضعیت سلامت مغز کمک می‌کند.
  4. حساسیت بالا: بهره‌گیری از پایگاه‌داده بزرگ و استاندارد و دقت آشکارسازی بالا در شناسایی انواع زوال عقل، از جمله آلزایمر.

همچنین این نرم‌افزار با استفاده از الگوریتم‌های یادگیری عمیق (Deep Learning) و پایگاه داده‌ای استانداردشده، توانسته است سوگیری‌های ناشی از داده‌های غیربومی را کاهش دهد و با افزودن داده‌های ایرانی، دقت خود را برای جمعیت ایران بهبود بخشد.

طراحی و توسعه از پایه

به گفته دکتر سلیقه راد، توسعه مدل و الگوریتم‌های تشخیصی نوروترک از حدود ۱۰ سال پیش آغاز شد و نتیجه مقالات و تحقیقات گسترده‌ای است که توسط تیم کیومدیکال و QMISG انجام‌شده است. این الگوریتم‌ها به‌صورت کاملاً بومی و با استفاده از زبان برنامه‌نویسی پایتون و از پایه توسط این تیم تحقیقاتی طراحی، کدنویسی و توسعه داده شده است. دکتر سلیقه راد در ادامه گفت‌وگوی خود با رسانه تخصصی هوش مصنوعی هوشیو، فرایند توسعه نوروترک را در مراحل زیر عنوان می‌کند:

  1. تحقیق بر روی تصاویر روتین MRI : تمرکز بر استفاده از تصاویر ساده و در دسترس MRI به‌جای تصاویر فوق‌تخصصی و گران‌قیمت.
  2. ایجاد پایگاه‌داده استاندارد: جمع‌آوری و استانداردسازی داده‌های نرمال از افراد سالم در رده‌های سنی مختلف و افزودن و وزن‌دهی داده‌های ایرانی برای کاهش سوگیری.
  3. به‌کارگیری یادگیری عمیق: استفاده از الگوریتم‌ها و روش‌های یادگیری عمیق چندلایه برای تحلیل تصاویر و کاهش خطاها در شناسایی کانتورهای مغزی و طبقه‌بندی داده‌ها.
  4. کنترل کیفیت داده‌ها: طراحی و اعمال فرایندهای اختصاصی و مخصوص پیش‌پردازش داده، برای بهبود کیفیت تصاویر و حذف تصاویر با نویز یا کیفیت پایین.

اما به گفته دکتر سلیقه راد، یکی از چالش‌های اصلی در این فرایند، مدیریت و پیشگیری از خطاها و سوگیری‌های ناشی از کیفیت پایین دستگاه‌های MRI در داخل کشور بود. برای رفع این مشکلات، کیومدیکال با همکاری مراکز حرفه‌ای تصویربرداری MRIو پزشکان متخصص، فرآیندی اختصاصی برای کنترل کیفیت پیوسته دستگاه‌های MRI طراحی کرد تا از کیفیت بالای تصاویر اطمینان حاصل شود.

اهمیت تشخیص زودهنگام

تشخیص زودهنگام بیماری‌هایی مانند آلزایمر، به‌ویژه در مراحل اولیه یا پیش از بروز علائم، از اهمیت به سزایی برخوردار است؛ زیرا شانس درمان را می‌تواند تا حد زیادی افزایش دهد و از هزینه‌های بالای درمانی آن جلوگیری کند. نرم‌افزار نوروترک با توانایی شناسایی نشانگرهای زیستی مغزی در مراحل اولیه، امکان مداخله زودهنگام را فراهم می‌کند. این امر نه‌تنها کیفیت زندگی بیماران و خانواده‌هایشان را بهبود می‌بخشد، بلکه هزینه‌های درمانی را به طور قابل‌توجهی کاهش می‌دهد.

دکتر سلیقه راد در خصوص هزینه‌های جاری‌ای که یک بیمار مبتلا به آلزایمر در طول روند درمان خود متحمل می‌شود، بیان می‌کند که در مقیاس جهانی، هزینه سالانه نگهداری یک بیمار آلزایمری در مراحل پیشرفته حدود ۲۵۰۰ دلار است درحالی‌که در مراحل اولیه این رقم می‌تواند به حدود ۳۰۰ دلار کاهش می‌یابد. در ایران نیز سالانه بیش از ۲ میلیارد دلار برای درمان و نگهداری بیماران آلزایمری هزینه می‌شود که با غربالگری و تشخیص زودهنگام می‌توان هم از پیشرفت بیماری به مراحل شدید جلوگیری کرد و هم با حفظ زمان طلایی درمان، احتمال موفقیت درمان‌های پیشگیرانه را افزایش داد و در نهایت هزینه‌های درمانی را به طور قابل‌توجهی کاهش داد.

چالش‌ها و راهکارها

هر فناوری جدید در اوایل ظهور خود، با مخالف‌های جدی مقاومت‌هایی در برابر پذیرش از سوی جامعه با تفکر سنتی روبه‌رو می‌شود. این امر، یعنی استفاده ابزارهای کمک تشخیصی هوش مصنوعی در تشخیص‌های پزشکی، ازآنجایی‌که به طور مستقیم با سلامت افراد و اعتبار علمی پزشک در ارتباط است، حساسیت‌های خاص و ویژه خود را دارد. دکتر سلیقه راد تأکید دارد که این نرم‌افزار به‌عنوان یک ابزار کمک تشخیصی عمل می‌کند و جایگزین تشخیص نهایی پزشک نمی‌شود. این رویکرد با استانداردهای جهانی هم‌خوانی دارد و به پزشکان کمک می‌کند تا با دقت و سرعت بیشتری تصمیم‌گیری کنند. وی مواردی مانند همکاری با متخصصان مغز و تصویربرداری پزشکی و اعتمادسازی میان آنها، ضمن فرهنگ‌سازی برای پذیرش عمومی هوش مصنوعی در جامعه را از عوامل اصلی رشد و توسعه همه‌گیری استفاده کاربردی از هوش مصنوعی در حوزه پزشکی عنوان می‌کند.

مجموعه کیومدیکال با رهبری دکتر حمیدرضا سلیقه راد، نمونه‌ای موفق از کاربرد هوش مصنوعی در پزشکی ایران است. نرم‌افزار نوروترک نیز قابلیت تشخیص زودهنگام بیماری‌های مغزی را فراهم کرده و با کاهش هزینه‌های درمانی و بهبود کیفیت زندگی بیماران، تأثیر قابل‌توجهی بر نظام سلامت خواهد داشت. با ادامه همکاری بین دانشگاه‌ها، پزشکان و نهادهای مرتبط، این فناوری می‌تواند به یکی از ابزارهای کلیدی در غربالگری و پیشگیری از بیماری‌های مغزی مانند آلزایمر و زوال عقل در ایران تبدیل شود. پذیرش این فناوری نیز نیازمند اعتمادسازی، آموزش و حمایت دولتی است که کیومدیکال با راهبردهای خود در مسیر تحقق آن گام برمی‌دارد.

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"]