فناوری در خدمت بدن انسان/ پیوند هوش مصنوعی با پزشکی در «رادیولوژی»

به گزارش خبرنگار گروه علم و فناوری خبرگزاری آنا، در دهه اخیر هوش مصنوعی پیشرفت سریعی را تجربه کرده و با نفوذ در بسیاری از صنایع ازجمله کشاورزی، ساخت‌وتولید، پزشکی، حمل‌ونقل، کامپیوتر، آموزش و غیره موجب تغییر و تحول بزرگی شده است. مقیاس بازار جهانی هوش مصنوعی به دلیل تحول دیجیتال و جهانی‌شدن به‌سرعت در حال افزایش است. امروزه جهان (به‌ویژه در دوران شیوع ویروس کرونا) تجربه کرده است که چگونه هوش مصنوعی صنعت بهداشت و درمان را متحول کرده است. یکی از حوزه‌هایی که هوش مصنوعی باعث خدمات‌دهی بهتر و مؤثرتری به مردم شده، بهداشت و درمان است.

بیشتر بخوانید:
تشخیص تومور مغزی با هوش مصنوعی
در مان سرطان به کمک هوش مصنوعی

در این میان بخش رادیولوژی نیز به این فناوری مجهز شده است. همان‌طور که می‌دانید رادیولوژی شامل تشخیص و درمان بیماری‌ها یا جراحات از طریق اشعه ایکس، «سی‌تی‌اسکن» (CT)، «ام‌آرآی» (MRI)، پزشکی هسته‌ای، سونوگرافی و بسیاری موارد دیگر می‌شود. رادیولوژیست‌ها به‌طور مداوم در معرض اشعه‌های رادیواکتیو قرار می‌گیرند که برای سلامتی بسیار مضر است.

مزایای هوش مصنوعی برای رادیولوژی

با توجه به پیشرفت‌های صورت‌گرفته، رادیولوژیست‌ها نگران این امر هستند که دستگاه‌های هوش مصنوعی فرصت‌های شغلی آنها را در آینده نزدیک به دست بگیرند. اما این موضوع افسانه‌ای بیش نیست، زیرا پیاده‌سازی هوش مصنوعی ضمن بهینه کردن روند کاری، سلامت رادیولوژیست‌ها را نیز تأمین می‌کند. درواقع هوش مصنوعی به طرق مختلف به رادیولوژیست‌ها کمک می‌کند؛ از تشخیص مراحل اولیه سرطان گرفته تا تقسیم‌بندی خودکار اندام‌ها در مدل‌های سه‌بعدی، پردازش زبان‌های طبیعی (NLP) برای گزارش‌ها و موارد دیگر. هوش مصنوعی از طریق ایجاد توصیه‌ها یا بینش‌های دقیق در مورد بیماران و مسائل مربوط به سلامت آنها، ارزش قابل‌توجهی را برای رادیولوژیست‌ها به ارمغان آورده است.

الگوریتم‌های هوش مصنوعی و یادگیری ماشین کار رادیولوژیست‌ها را از طریق ارتباط مناسب، هماهنگی، معاینات غربالگری مانند ماموگرافی، کولونوگرافی و سی‌تی‌اسکن قفسه سینه، استانداردسازی گزارش‌ها و همچنین هشدارهای فوری برای بیماران بحرانی متحول می‌کنند. از این فناوری همچنین برای مدیریت و نگهداری موجودی کالاها و تجهیزات به‌طور مؤثر استفاده می‌شود. مدل‌های هوش مصنوعی به‌عنوان دستیار رادیولوژیست‌های ارشد در تجزیه‌وتحلیل پرونده‌های پزشکی و داده‌های آنیِ بیماران و نیز تشخیص هرگونه وخامت یا بهبود در بیماری یا آسیبی خاص عمل می‌کنند. الگوریتم‌های هوش مصنوعی ایجاد می‌شوند تا رادیولوژیست‌ها را در تعریف مجدد هدف خود و درک داده‌های حیاتی که مشاهده آنها با چشم غیرمسلح غیرممکن است، راهنمایی کنند. رادیولوژیست‌ها باید روزانه در شیفت‌های طولانی فعالیت کنند که باعث خستگی و حواس‌پرتی آنها می‌شود. هوش مصنوعی در این شرایط بسیار مفید واقع می‌شود تا آنها را متوجه مسائل خاصی در بدن بیمار کند و همچنین کارهای روزمره رادیولوژیست‌ها را آسان‌تر و سبک‌تر کند.

چالش‌های موجود در هوشمندسازی

وقتی قرار است رادیولوژیست‌ها در سراسر جهان از قابلیت‌های هوشمند هوش مصنوعی برای مراقبت بیشتر و بهتر از بیماران استفاده کنند، هم‌زمان چالش‌های خاصی نیز پیش روی آنها قرار می‌گیرد. یکی از اشکالات عمده الگوریتم‌ها این است که این دستگاه‌ها ازنظر پزشکی به‌اندازه رادیولوژیست یا پزشک اطلاعات کافی ندارند. گاهی اوقات برای دستگاه‌های هوش مصنوعی درک گردش کار مناسب در بخش رادیولوژی دشوار است. ثانیاً، ماشین‌های هوش مصنوعی با انواع مختلفی از داده‌های پزشکی آموزش دیده‌اند، اما رادیولوژیست‌ها انواع منحصربه‌فرد و جدیدی از علائم بیماری را پیدا می‌کنند که در داده‌های تاریخی ثبت نشده است. بنابراین، حل بیماری‌ها و پیش‌بینی روند درمان بر اساس یک روش دشوار است. ثالثاً، دستگاه‌های هوش مصنوعی در بیمارستان‌های مختلف به‌طور متفاوتی کار می‌کنند؛ یعنی بسته به سوابق پزشکی و سیستم بیمارستان‌ها، ممکن است کیفیت نتایج کاهش یا بهبود یابد. بنابراین رادیولوژیست‌ها در بیمارستان‌ها و کلینیک‌های مختلف باید به‌طور مرتب مجموعه داده‌های آموزشی را با سوابق پزشکی موجود خود به‌روز کنند.

بیشتر بخوانید:
ردپای هوش مصنوعی در داروسازی
تشخیص آسیب مغزی با هوش مصنوعی

هوش مصنوعی بر «رادیومیک» (زمینه جدیدی در رادیولوژی که در سال‌های اخیر رواج یافته) تأثیر گسترده‌ای داشته است. رادیومیک با استخراج تعداد زیادی از ویژگی‌های مختلف مانند اندازه، شکل و بافت از تصاویر پزشکی بیماران سروکار دارد. این ویژگی‌ها شامل اطلاعات مکانی در مورد توزیع پیکسل یا واکسل (کوچک‌ترین جزء ساختاری یک تصویر ۳بعدی) و الگوها و همچنین پشتیبانی از تشخیص مغز، قلب، کبد، پروستات، غدد فوق کلیوی، غده هیپوفیز و ریه است. ترکیب هوش مصنوعی با رادیومیک، توانایی هوشمندتری در مدیریت کارآمد مجموعه داده‌ها نسبت به سیستم‌های سنتی ارائه می‌دهد. این امر قدرت محاسباتی را در رادیولوژی تقویت کرده و رادیولوژیست‌ها را تشویق می‌کند تا برای عملکرد بهتر از رادیومیک و هوش مصنوعی استفاده کنند.

می‌توان گفت استفاده از هوش مصنوعی در رادیولوژی برای تغییر و تحول کارآمد روند کار (با وجود موانع بسیار) ضروری است. این فناوری می‌تواند خدمات مؤثری را در این حوزه ارائه کرده و درمان بهتری را برای بیماران فراهم کند.

انتهای پیام/۴۱۱۲/پ