هوش مصنوعی، سلاح قدرتمند مقابله با كووید-۱۹!

هوش مصنوعی، سلاح قدرتمند مقابله با كووید-۱۹!

به گزارش گردو دانلود هوش مصنوعی، فناوری مهمی است که در حوزه های گوناگونی کارآیی دارد و هم اکنون هم کاربرد قابل توجهی را در مقابله با کووید-۱۹ نشان داده است.


به گزارش گردو دانلود به نقل از ایسنا، شیوع کووید-۱۹ تاثیرات منفی قابل توجهی بر جهان داشته است. از زمان آغاز شیوع این بیماری تاکنون، خیلی از افراد به آن مبتلا شده اند و تعداد قابل توجهی از مردم هم زندگی خویش را از دست داده اند. همه گیری کووید-۱۹، خیلی از پژوهشگران و مقامات حوزه سلامت جهان را وادار کرده است تا ابزارهای مبتنی بر هوش مصنوعی را توسعه بدهند و آنها را حتی قبل از اثبات کامل عملکردشان، به طور گسترده تری در پزشکی و درمان به کار بگیرند. حتی بعضی از ابزارها و یا الگوریتم های مبتنی بر هوش مصنوعی، مجوز ضروری استفاده را از جانب "سازمان غذا و داروی آمریکا" (FDA) دریافت کرده اند.
سرعت گرفتن تلاشهای پژوهشگران برای مقابله با همه گیری کووید-۱۹، تا حدود زیادی به خاطر حجم گسترده داده ها و تأثیر هوش مصنوعی بوده است. مدلهای مبتنی بر هوش مصنوعی پیش از این هم در ارتباط با شیوع چندین بیماری دیگر هم مورد استفاده قرار گرفته اند. هوش مصنوعی می تواند نقشی حیاتی در مقابله با کووید-۱۹ داشته باشد.
هوش مصنوعی تابحال با موفقیت برای تشخیص بیماری ها، بررسی بیماران، پیشبینی شیوع بیماری در آینده و خطر مرگ و میر به کار رفته است. کاربردهای هوش مصنوعی، علاقه و امید زیادی را برای مقابله با کووید-۱۹ پدید آورده اند.
در این گزارش، به زمینه های متعدد کاربرد هوش مصنوعی در مقابله با کووید-۱۹ می پردازیم.

پیش بینی و ردیابی بیماری
هوش مصنوعی می تواند با استخراج اطلاعات از پلت فرم های رسانه های اجتماعی و وبسایت های خبری، به پیشبینی گسترش کروناویروس کمک نماید و اطلاعات سودمندی را برای پیشبینی میزان مرگ و میر عرضه نماید.
یکی از نرم افزارهای مبتنی بر هوش مصنوعی معروف به "Bluedot" می تواند با استفاده از داده های موجود و یادگیری ماشینی، به شناسایی منطقه ای بپردازد که کووید-۱۹ در آن شیوع یافته است. نرم افزار دیگری معروف به "HealthMap"، داده های در ارتباط با کووید-۱۹ را گردآوری می کند و آنها را در دسترس قرار می دهد تا ردیابی گسترش این بیماری ساده تر شود.

ردیابی تماس
"ردیابی تماس"(contact tracing) در حوزه سلامت، به فرایند شناسایی افرادی گفته می شود که با فرد آلوده در تماس بوده اند. هوش مصنوعی می تواند برنامه های کابردی تلفن همراه، ساعتهای هوشمند، دوربین ها و طیف وسیعی از ابزارهای پوشیدنی را تقویت کند تا به تشخیص، ردیابی تماس و نظارت کارآمد بر کووید-۱۹ بپردازند. اپلیکیشن هایی مانند "AI۴COVID-۱۹" که بر نمونه های صوتی سرفه تکیه دارند، می توانند در پزشکی از راه دور مورد استفاده قرار بگیرند.

بررسی بیماران مبتلا به کووید-۱۹
روش های مبتنی بر هوش مصنوعی، برای نظارت بر بیماران و پیشبینی دوره درمان مورد استفاده قرار می گیرند. امکان دارد که هوش مصنوعی با استفاده از داده های بالینی بتواند اطلاعات مهمی را برای تصمیم گیری در مورد درمان، اولویت بندی استفاده از ونتیلاتور و درمان های تنفسی عرضه نماید. همچنین، هوش مصنوعی می تواند امکان بهبودی یا مرگ و میر بیماران مبتلا به کووید-۱۹ را پیش بینی نماید و تحلیل های دقیقی در مورد دوره درمان عرضه نماید.

تشخیص به موقع
هوش مصنوعی می تواند با بررسی تصاویر سی تی اسکن بیماران، به تشخیص بموقع کووید-۱۹ کمک نماید. گروهی از پژوهشگران، یک مدل مبتنی بر هوش مصنوعی معروف به "COVNet" ابداع نموده اند که می تواند کووید-۱۹ را از سینه پهلو تفکیک کند.
گروهی دیگر از پژوهشگران، یک مدل جدید یادگیری عمیق را با استفاده از شبکه های پیچیده عصبی ابداع نموده اند که می تواند کووید-۱۹ را با بررسی تصاویر سی تی اسکن تشخیص دهد. سیستم دیگری معروف به "COVID_MTNet" هم می تواند قسمت های درگیر شده ریه را به کمک تصاویر ثبت شده با اشعه ایکس و سی تی اسکن قفسه سینه شناسایی کند.
یک گروه پژوهشی دیگر هم از سیستم های طبقه بندی مبتنی بر هوش مصنوعی استفاده می نماید تا بیماران را برپایه پارامترهای عرضه شده، طبقه بندی کند. این سیستم می تواند تعداد آزمایش های کووید-۱۹ را در مناطقی که با کمبود امکانات هستند، کم کند.

کاهش مسئولیت کادر درمان
سیستم های هوش مصنوعی می توانند با خودکارسازی فرآیندهای آموزش، تشخیص بیماری و تجزیه و تحلیل داده ها، بار مسئولیت کادر درمان و پژوهشگران فعال در حوزه پزشکی و سلامت را کاهش دهند و از تماس زیاد آنها با بیماران پیشگیری کنند.
هوش مصنوعی می تواند بیماران را برپایه شدت نشانه های بیماری، شرایط ژنتیکی و گزارش های بالینی طبقه بندی کند تا معاینه و درمان آنها به شکل موثرتری صورت بگیرد.
به کار بردن هوش مصنوعی در پزشکی از راه دور می تواند نیاز رجوع دائمی به بیمارستان را برطرف کند و از راه دور به نظارت بر حال بیماران و گردآوری داده های بالینی در ارتباط با آنها بپردازد. رجوع کمتر به بیمارستان ها، گسترش عفونت را کاهش خواهد داد و بار مسئولیت کارمندان بیمارستان را هم کم خواهد نمود.

تشخیص ساختار پروتئین
هوش مصنوعی می تواند ساختار پروتئین های مهمی را که به ورود و تکثیر ویروس کمک می کنند، پیش بینی نماید و بینش مفیدی را در مورد آنها عرضه نماید که راه را برای عرضه دارو در زمان کوتاه هموار می سازد.
الگوریتم معروف به "AlphaFold" می تواند به پیشبینی ساختارهای پروتئین بپردازد که تأثیر قابل توجهی در کشف و عرضه دارو دارند. برنامه دیگری معروف به " DeepTracer" هم شبکه های عصبی عمیق را به کار می گیرد تا ساختار پیچیده پروتئین خوشه ای کروناویروس را بررسی کند.

توسعه درمان
هوش مصنوعی می تواند با بهبود برنامه های قدیمی، زمان مورد نیاز برای عرضه دارو را کم کند و با نظارت مجازی و پردازش اعتبار دارو، به این روند سرعت ببخشد. همینطور هوش مصنوعی می تواند با عرضه کرده های مفید در مورد دارو، به تایید یا رد کردن آنها کمک نماید و آنها را با سرعتی انجام دهد که برای متخصصان انسان امکان پذیر نیست.
شرکت انگلیسی "BenevolentAI" از روش های مبتنی بر یادگیری ماشینی بهره برده است تا به کشف دارو سرعت بدهد و داروهایی را که امکان دارد در مقابله با کووید-۱۹ موثر باشند، شناسایی کند. شرکت چینی "Insilico Medicine" هم با استفاده از هوش مصنوعی، چندین مولکول کوچک را شناسایی کرده است که می توانند به مقابله با کووید-۱۹ کمک کنند.

تولید واکسن
هوش مصنوعی در رقابت تنگاتنگی که برای تولید واکسن به وجود آمده و تا پیش از این هیچگاه دیده نشده است، نقش پررنگی دارد. پلت فرم های هوش مصنوعی می توانند گزینه های احتمالی واکسن کووید-۱۹ را مورد بررسی قرار دهند و با کمک یادگیری عمیق و مدلهای طبقه بندی، بهترین گزینه را شناسایی کنند.

مهار اخبار نادرست
شیوع کووید-۱۹ با گسترش حجم زیادی از اخبار همراه بوده است اما بخشی از این اخبار، نادرست و بیشتر شایعه هستند. عرضه اخبار درست، نقش مهمی در افزایش آگاهی مردم دارد؛ ازاین رو لازم است که راهبردی برای اصلاح اخبار وجود داشته باشد.
روش های مبتنی بر هوش مصنوعی می توانند راهبردی جهت بررسی و نظارت بر اخبار باشند و اخبار نادرست و شایعات را شناسایی کنند. هوش مصنوعی می تواند تصویر واضحی را در مورد میزان مرگ و میر، بهبودی بیماران، در دسترس بودن تجهیزات سلامت و شناسایی شکاف هایی که در این میان وجود دارند، ایفا کند.

بررسی ژنوم
هوش مصنوعی می تواند فناوری خوبی جهت بررسی ژنوم های کروناویروس باشد و یادگیری ماشینی را برای شناسایی نشانه های ژنتیکی به کار ببرد. بدین ترتیب، بررسی کروناویروس و شناسایی راه های مقابله با آن با کمک هوش مصنوعی، بسیار ساده تر و سریع تر صورت خواهد گرفت.

آیا هوش مصنوعی، فناوری خوبی برای مقابله با کووید-۱۹ است؟
گسترش کاربرد ابزارها و الگوریتم های مبتنی بر هوش مصنوعی برای نظارت بر کووید-۱۹، نگرانی هایی را هم در بین پژوهشگران حوزه پزشکی به دنبال داشته است. بعضی از گزارش ها حاکی از این هستند که مدلهای مبتنی بر هوش مصنوعی، داده های کم و یا بی کیفیتی را در ارتباط با کووید-۱۹ عرضه می دهند.
"گری کالینز"(Gary Collins)، استاد "دانشگاه آکسفورد"(University of Oxford) در اینباره اظهار داشت: لازم است که گزارش کامل و شفافی در مورد جزئیات در ارتباط با مدلهای پیشبینی کننده کووید-۱۹ عرضه شوند. گزارش ندادن جزئیات مهم، نه تنها به پژوهش صدمه می رساند، بلکه به عرضه یک مدل ضعیف منجر می شود که صدمه های زیادی را برای تصمیم گیری بالینی به همراه دارد.
برای عرضه یک گزارش واضح و قابل تکرار، منابع و داده های در ارتباط با بیمار مبتلا به کووید-۱۹ باید در دسترس جامعه پژوهشی قرار بگیرند. بعضی از پژوهشگران تلاش کرده اند تا آزمایش های جدیدی جهت بررسی کووید-۱۹ ابداع کنند که با کمک هوش مصنوعی، داده های بالینی بیماران را جمع آوری می کند و به بیمارستان ها عرضه می دهد.
پژوهشگران باور دارند که هوش مصنوعی می تواند به ایمن ماندن بیماران و کادر درمان کمک نماید، بیمارانی را که به کووید-۱۹ مبتلا نیستند، کنار بگذارد و تضمین کند که بیماران مبتلا به کووید-۱۹ به سرعت درمان می شوند. با این حال، مدلهای هوش مصنوعی که در ارتباط با کووید-۱۹ به کار می روند هم مانند سایر مدلهای مبتنی بر هوش مصنوعی باید مورد بررسی قرار بگیرند تا عملکرد آنها در دنیای واقعی ارزیابی شود. این مورد باید بررسی شود که آیا مدلهای هوش مصنوعی کووید-۱۹ می توانند بیماری را با دقت در بین گروه های متفاوتی از مردم تشخیص دهند و برای سامانه های سلامت، کارآیی داشته باشند یا خیر.
این که ابزارهای مبتنی بر هوش مصنوعی چگونه می توانند بیماری ها را تشخیص دهند و به بهبود مراقبت از بیماران منجر شوند، هنوز مشخص نیست؛ به همین دلیل، مدلهای مبتنی بر هوش مصنوعی باید با همکاری کارکنان حوزه سلامت ابداع شوند تا درک بهتر نحوه کارکرد آنها در مراقبت از بیماران امکان پذیر باشد.
اگر ابزارهای هوش مصنوعی نتوانند دقت خویش را در ارتباط با تشخیص بیماری اثبات کنند و یا بیماری ها را به درستی از یکدیگر تفکیک کنند، تشخیص اشتباه و مراقبت نادرست از بیماران افزایش خواهد یافت. این اشتباهات باعث می شوند که آینده استفاده از فناوری های مشابه به خطر بیفتد و میزان اعتماد پزشکان و بیماران به آنها کاهش پیدا کند. برای ارزیابی دقت ابزارهای مبتنی بر هوش مصنوعی باید آزمایش های بالینی گوناگونی صورت بگیرند تا چگونگی تأثیر هوش مصنوعی بر بیماران مبتنی به کووید-۱۹ مشخص شود.



1400/01/02
14:03:49
5.0 / 5
292
این مطلب را می پسندید؟
(1)
(0)

تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
لطفا شما هم نظر دهید
= ۷ بعلاوه ۳