کیفیت، ایمنی و عملکرد بالای محصول؛ اهداف کاربردی هوش مصنوعی در آزمایشگاه‌های غذا و دارو

گروه سلامت خبرگزاری علم و فناوری آنا، یاسر مختاری؛ هوش مصنوعی به عنوان یک حوزه علمی در دهه 1950 میلادی به وجود آمد. در دهه‌های بعد، تحقیقات در زمینه هوش مصنوعی به طور متناوب با دوره‌های رونق و رکود مواجه بود. در دهه 1960 و 1970، سیستم‌های مبتنی بر قواعد و برنامه‌های ابتدایی یادگیری ماشین توسعه یافتند. اما با چالش‌هایی مانند محدودیت‌های محاسباتی و عدم توانایی در پردازش داده‌های بزرگ، تحقیقات در این حوزه به مدت چند سال کاهش یافت.

از اوایل هزاره سوم، با پیشرفت‌های چشمگیر در قدرت محاسباتی، الگوریتم‌های یادگیری عمیق و دسترسی به داده‌های کلان (Big Data)، هوش مصنوعی به سرعت گسترش یافت و کاربردهای آن در زمینه‌های مختلف مانند پزشکی، خودروسازی، مالی، تحلیل داده‌ها و بسیاری دیگر افزایش یافت. امروزه، هوش مصنوعی به یکی از فناوری‌های کلیدی در صنایع مختلف تبدیل شده و کاربردهای آن به طور مداوم در حال گسترش است.

ورود هوش مصنوعی به تجهیزات آزمایشگاهی

هوش مصنوعی به تدریج از اواخر قرن بیستم و اوایل قرن بیست و یکم به تجهیزات آزمایشگاهی وارد شده است. در ابتدا، کاربردهای هوش مصنوعی بیشتر در زمینه‌های تحقیقاتی و علوم کامپیوتری متمرکز بود. با پیشرفت تکنولوژی و افزایش توان محاسباتی، استفاده از هوش مصنوعی در علوم زیستی، پزشکی و دیگر رشته‌های علمی نیز گسترش یافت.

در دهه ۲۰۱۰ به بعد، با پیشرفت‌های چشمگیر در یادگیری ماشین و الگوریتم‌های یادگیری عمیق، کاربردهای هوش مصنوعی در آزمایشگاه‌ها به طور قابل توجهی افزایش یافت. این دوره شاهد توسعه نرم‌افزارها و سیستم‌های هوش مصنوعی بود که می‌توانستند داده‌های آزمایشگاهی را تحلیل کرده و به تصمیم‌گیری‌های علمی کمک کنند.

ابزارهای کاربردی هوش مصنوعی در آزمایشگاه‌ها

به طور خاص، برخی از کاربردهای اولیه  هوش مصنوعی در آزمایشگاه‌ها شامل تحلیل داده‌های ژنومی، شناسایی الگوها در تصاویر میکروسکوپی و پیش‌بینی نتایج آزمایش‌ها بود. امروزه، هوش مصنوعی به یکی از ابزارهای کلیدی در بسیاری از آزمایشگاه‌ها تبدیل شده و در فرآیندهای مختلف از جمله اتوماسیون، تحلیل داده‌ها و بهینه‌سازی پروتکل‌ها مورد استفاده قرار می‌گیرد.

همانگونه که گفته شد از اوایل هزاره جدید به تدریج کاربردهای هوش مصنوعی و ابزارهای آن گسترده شد. تحلیل داده‌های بزرگ، مدل‌سازی و شبیه‌سازی، تشخیص الگو در نمونه‌های آزمایشگاهی، پیش‌بینی نتایج بالینی، بهینه‌سازی فرایندها و راه‌ادازی سیستم‌های مشاوره بالینی، تحلیل متون علمی و تشیخص آلودگی‌ها و بیماری‌ها از جمله کاربردها و ابزارهای توسعه یافته هوش مصنوعی در آزمایشگاه‌های غذا و دارو است.

هوش مصنوعی با استفاده از الگوریتم‌های یادگیری ماشین، می‌توانند داده‌های زیادی را که از آزمایش‌ها و مطالعات جمع‌آوری شده‌اند، تحلیل کنند. این تحلیل‌ها می‌تواند شامل شناسایی الگوها، پیش‌بینی نتایج و بهینه‌سازی فرآیندها باشد. همچنین هوش مصنوعی می‌تواند برای مدل‌سازی رفتار مواد غذایی و دارویی در شرایط مختلف استفاده شود. این شامل شبیه‌سازی اثرات داروها بر روی بدن یا پیش‌بینی نحوه تغییر کیفیت غذاها در طول زمان است.

الگوریتم‌های بینایی ماشین می‌توانند برای شناسایی و طبقه‌بندی نمونه‌ها در آزمایشگاه‌ها و تشخیص الگوها استفاده شوند. به عنوان مثال، این فناوری می‌تواند در تشخیص آلودگی‌ها یا بررسی کیفیت محصولات غذایی مورد استفاده قرار گیرد. همچنینبا استفاده از داده‌های بالینی و الگوریتم‌های یادگیری عمیق، هوش مصنوعی می‌تواند به پیش‌بینی پاسخ بیماران به درمان‌ها یا احتمال بروز عوارض جانبی کمک کند. ضمن اینکه این سیستم‌ها می‌توانند به پزشکان ، با ارائه اطلاعات مبتنی بر داده‌های بزرگ و تجزیه و تحلیل‌های پیشرفتهدر تصمیم‌گیری‌های درمانی کمک کنند و در بهینه‌سازی فرایندهای تولید دارو و غذا، داروهای جدید و شناسایی ترکیبات مؤثر در درمان بیماری‌ها مانند تنظیم شرایط تولید، کنترل کیفیت و مدیریت زنجیره تأمین به کار گرفته شود.

کاربرد هوش مصنوعی در آزمایشگاه های غذا و داروی ایران

مهدی انصاری دوگاه مدیرکل آزمایشگاه‌های مرجع سازمان غذا و دارو در گفت‌وگو با خبرنگار سلامت خبرگزاری علم و فناوری آنا، با بیان اینکه استفاده از تکنولوژی‌های جدید و به ویژه هوش مصنوعی از سالیان قبل در حال استفاده برای کنترل کیفیت محصولات سلامت است، گفت: بسیاری از فرایندهای کنترل کیفیت یا تشخیصی در آزمایشگاه‌ها فرایندهای تکراری هستند و اپراتورهایی که این فرایندها را انجام دهند به هر دلیلی ممکن است دچار خستگی و خطا شوند. اما اکنون به وسیله هوش مصنوعی می‌توان نمونه‌گیری و آماده سازی آن تا آنالیز را در آزمایشگاه‌ها به صورت اوتوماتیزه انجام داد. این کاربرد چندین سال است که وجود دارد و ما در آزمایشگاه‌های خود از سالیان قبل برای نمونه پسته انجام می‌دهیم.

وی بیان کرد: یکی از آرزوهای مراجع نظارتی و آزمایشگاه‌های کنترل کیفیت این است که همه نمونه و واحدهای تولیدی را بتوان همزمان کنترل کرد و دیگر بر اساس مشت نمونه خروار اظهار نظر کنیم. این موضوع در حال حاضر با تکنولوژی‌های جدیدی که به ویژه در تکنیک‌های اسپکتروسکوپی(طیف سنجی) و روش‌های جرمی و روش‌های الکتروشیمیایی وجود دارد، در حال انجام است و ما نیز در کشور باید این روش‌ها را پیاده کرده و این اطمینان را به مصرف کننده‌ غذا و دارو بدهیم.

انصاری ادامه داد: در حال حاضر در برخی از واحدهای تولید از برخی از تکنیک‌های طیف سنجی برای کنترل کیفیت تک تک محصولات استفاده می‌کنند و دیگر به این مسأله که نمونه برداری کرده و راجع به تمام محموله تولید اظهار نظر کنند.

مدیرکل آزمایشگاه‌های مرجع سازمان غذا و دارو در ادامه با بیان اینکه هدف ما در حوزه نظارت و کنترل این است که کیفیت، ایمنی و عملکرد محصول سلامت محور ارتقا پیدا کند، گفت: استفاده از هوش مصنوعی و تجهیزات جدید در آزمایشگاه‌ها می‌توانند ما را به این سه هدف رسانده و اطمینان ما به عنوان مرجع نظارتی و مردم به عنوان مصرف کننده را افزایش دهند.