پژوهشهای پزشکی صورت گرفته در حوزه هوش مصنوعی حاکی از این هستند که این فناوری میتواند تا سال ۲۰۲۰، تحولات چشمگیری در علم پزشکی ایجاد کند.
به گزارش ایسنا، هوش مصنوعی به دستاوردهای پزشکی بسیاری منجر شده که از آن میان میتوان به نرمافزار مبتنی بر هوش مصنوعی برای مدیریت سوابق پزشکی و تشخیص شرایط سلامت اشاره کرد. بازار هوش مصنوعی به رغم چنین دستاوردهایی، هنوز نوپا به شمار میرود اما به سرعت در حال گسترش است.
سازمان غذا و دارو امریکا طی چند سال گذشته حدود ۴۰ الگوریتم هوش مصنوعی را در پزشکی تایید کرده است که بسیاری از آنها با هدف کمک به پزشکان در تشخیص بیماری های مختلف بوده است.
کارآفرینان و موسسان مراکز مراقبت های بهداشتی نیز در این عرصه بسیار فعالیت کردهاند سال گذشته، استارتآپهای بهداشتی و درمانی هوش مصنوعی چهار میلیارد دلار بودجه در این عرصه سرمایهگذاری کردهاند.
یک بررسی جدید نشان داد که حدود نیمی از مدیران بیمارستانها قصد دارند در سالهای آینده در حوزه هوش مصنوعی سرمایهگذاری کنند.
اگرچه برخی از متخصصان پیشبینی میکنند که هوش مصنوعی پزشکی را تغییر میدهد، اما برخی دیگر نگران هستند که این گونه نیست و حضور فناوری هوش مصنوعی میتواند خطراک باشد.
"ساندیپ پانسار"(Sandip Panesar) محقق فوق دکترای این مطالعه و جراح مغز و اعصاب از "دانشگاه استنفورد"(Stanford University) گفت: در حال حاضر، اصطلاح هوش مصنوعی بسیار شاخته شده و درک آنها ملموس است.
پاسار در ادامه هشدار داد: رباتها و دستگاهها در برخی موارد میتوانند خطرناک نیز باشند چرا که آنها در آینده احتمالا به جای جراحان چاقوی جراحی را به دست میگیرند اما انسانها باید نظارت از راه دور دقیقی بر روی آنها داشته باشند.
اما آیا ممکن است هوش مصنوعی یک روز به طور کامل جایگزین پزشکان شود؟
"جودیث پینز"(Judith Pins) رئیس شرکت آموزش مراقبتهای بهداشتی "Pfiedler Education" اظهار کرده، هوش مصنوعی میتواند دستیار خوبی باشد.
وی گفت: هوش مصنوعی جایگزین پزشکان و پرستاران نخواهد شد، اما میتواند به آنها در تشخیص و مراقبت از بیماران کمک کند.
"دن هاشیموتو"(Dan Hashimoto) جراحی عمومی "بیمارستان عمومی ماساچوست"(Massachusetts General Hospital) در بوستون اما نگران روی کار آمدن و استفاده بیش از حد فناوری هوش مصنوعی در پزشکی است. دکتر هاشیموتو معتقد است که انتظارات غیرواقعی درباره هوش مصنوعی میتواند منجر به ناامیدی و سرخوردگی چشمگیر شود.
وی معتقد است میبایست از هوش مصنوعی برای تشخیص دقیق بیماری استفاده نمود. دکتر هاشیموتو جزو معدود محققانی است که بر روی فناوری هوش مصنوعی جراحان کار میکند. وی به طور خاص قصد دارد الگوریتمهایی توسعه دهد که میتوانند خطر جراحی بر روی هر بیمار را قبل و یا حین جراحی پیشبینی کنند و در همان لحظه به جراح هشدار دهند.
وی در این باره گفته امیدوار است این گونه الگوریتمها به پزشکان در تصمیم گیریهای بهتر و بهبود عملکردشان کمک کنند.
دکتر "شرمیلا مجومدار"(Sharmila Majumdar) استاد و معاون پژوهش بخش رادیولوژی دانشگاه کالیفریا سن دیگو و موسس مرکز تحقیقات تصویربرداری پزشکی پیشرفته هوش مصنوعی گفت: طی چند دهه گذشته استفاده از این فناوری میتوانست باعث ایجاد مشکلاتی شود چرا که ما دستگاههای قدرتمند برای پردازش دادههای عظیم نداشتیم اما اکنون چنین مشکلاتی وجود نخواهند داشت.
در اینجا تعدادی از دستگاههای مبتنی بر فناوری هوش مصنوعی که عمل جراحی را انجام میدهند نام میبریم.
دستگاه هوش مصنوعی "استار"(STAR)
دستگاه هوش مصنوعی "استار" که مخفف عبارت "ربات خودکار هوشمند بافت"(Smart Tissue Autonomous Robot) است توسط محققان "بیمارستان ملی سلامت کودکان" و محققان "دانشگاه جانز هاپکینز" ساخته شده است و قادر بوده است دو قسمت از روده خوک را بدون هیچ کمکی از انسان بخیه کند.
دستگاه "ایکس اویر"(XAware)
گروه محاسبات و تحلیل فعالیتهای پزشکی "بیمارستان دانشگاه استراسبورگ" فرانسه به سرپرستی دکتر " نیکلاس پادوی "(Nicolas Padoy) یک ابزار هوش مصنوعی موسوم به "ایکس اویر" را طراحی کرده است که در طول مداخلات هدایت شده با تصویر با استفاده از واقعیت افزوده برای شناسایی و تجسم الگوهای پراکندگی پرتودرمانی، اشعه را کنترل میکند و از قرار گرفتن کادر درمانی در مقابل این اشعه میکاهد.
دستگاه "سنسور او آر"(SensorOR)
محققان مرکز ملی بیماریهای توموری در درسدن، آلمان ، به رهبری دکتر "استفانی اسپیدل"(Stefanie Speidel) در حال توسعه فناوری یادگیری ماشینی هستند که میتواند دادههای حسگر را از تصاویر لاپاراسکوپی و دستگاههای جراحی آنالیز کنند. هدف آنها درک بهتر از بدن بیمار هنگام انجام عمل جراحی است. لاپاراسکوپی یا پهلو بینی(Laparoscopy) نوعی تکنیک برای درونبینی شکم و لگن است.
جراحی مغز(Brain Surgery)
تکنیک جدید که ترکیبی از هوش مصنوعی و تصویربرداری است میتواند به جراحان مغز و اعصاب کمک کند تا طی چند دقیقه تومورها را بدون برداشتن بافت مغزی که روش فعلی استاندارد برای تشخیص تومورها است، تشخیص دهند. جزئیات این مطالعه که اخیرا در مجله "Nature Medicine " منتشر شده است نشان میدهد که محققان از یک الگوریتم شبکه عصبی پیچشی برای یادگیری ویژگیهای تومور مغزی و تشخیص تومور از اسکنهای ام.آر.آی استفاده میکند. شبکههای عصبی پیچشی یا همگشتی(convolutional neural network) ردهای از شبکههای عصبی ژرف هستند که معمولاً برای انجام تحلیلهای تصویری یا گفتاری در یادگیری ماشین استفاده میشوند.