چه بیماری هایی با هوش مصنوعی تشخیص داده می شوند؟ - گفتگوی افروز

به گزارش گفتگوی افروز، هوش مصنوعی به دستاورد های پزشکی بسیاری منجر شده که از آن میان می توان به نرم افزار مبتنی بر هوش مصنوعی برای مدیریت سوابق پزشکی و تشخیص شرایط سلامتی افراد اشاره نمود. بازار هوش مصنوعی به رغم چنین دستاوردهایی، هنوز نوپا به شمار می رود، اما به سرعت در حال توسعه است. هوش مصنوعی، فناوری مهمی با کاربرد های فراوان است و می تواند ابزار ارزشمندی برای حل مسائل جهانی باشد.

به گزارش ایسنا، صنعت مراقبت های بهداشتی مانند هر بخش دیگری، پیوسته به وسیله هوش مصنوعی و یادگیری ماشینی، در حال تغییر کردن است. هوش مصنوعی همان گونه که نحوه طراحی دستگاه ها، بهینه سازی مصرف انرژی و مدیریت امور مالی را تغییر می دهد، فرصت ها و خطرات تازهی را برای مدیریت سلامت انسان به همراه دارد؛ از امکان به کارگیری یادگیری عمیق و شبکه های عصبی در کشف دارو گرفته تا پیچیدگی رو به رشد تشخیص مبتنی بر هوش مصنوعی و جراحی رباتیک. مسائل دنیای، پیچیده هستند و هوش مصنوعی می تواند ابزار ارزشمندی باشد که کوشش انسان را در ارائه راه چاره هایی برای مسائل آزاردهنده تقویت کند. در این گزارش، به چند کاربرد هوش مصنوعی در حوزه پزشکی پرداخته ایم.

تشخیص آنوریسم مغزی با یاری

رادیولوژیست ها به زودی می توانند با یاری یک الگوریتم هوش مصنوعی، تشخیص خود را در خصوص آنوریسم مغزی (Cerebral aneurysm) بهبود بخشند. پژوهشگران دانشگاه استنفورد پیروز شدند یک الگوریتم مبتنی بر هوش مصنوعی را برای تشخیص آنوریسم مغزی آموزش دهند. آنوریسم مغزی، شرایطی است که به ورم رگ های خونی در مغز می انجامد و می تواند به فشار داخل عروق، سکته و یا مرگ مغزی منجر گردد. آنوریسم که در مقدار ها و شکل های گوناگونی ظاهر می گردد، یک بیرون زدگی است که به صورت حباب در جدار شریان های مغزی خود را نشان می دهد.

این ابزار مبتنی بر هوش مصنوعی که به وسیله پژوهشگران دانشگاه استنفورد (Stanford University) ابداع شده، می تواند آن دسته از نواحی مغز را که احتمال آنوریسم مغزی در آن ها وجود دارد، اسکن کند.

آلیسون پارک (Allison Park)، از فارغ التحصیلان دانشگاه استنفورد و سرپرست این پژوهش گفت: در حال حاضر نگرانی های بسیاری در خصوص به کار گرفتن هوش مصنوعی در حوزه پزشکی وجود دارد. این پژوهش می تواند مثال خوبی در خصوص استفاده از هوش مصنوعی در این حوزه و یاری آن به انسان در فرآیند تشخیص باشد.

این ابزار تازه که با یاری یک الگوریتم هوش مصنوعی موسوم به هد ایکس نت (HeadXNet) ساخته شده، توانست توانایی پزشکان را برای شناسایی صحیح آنوریسم مغزی افزایش دهد و از عهده شناسایی شش نوع آنوریسم مغزی در 100 اسکن برآید.

اگرچه پیروزیت هد ایکس نت در این آزمایش ها امیدوارنماینده بوده، اما پژوهشگران تاکید دارند که برای ارزیابی کاربرد هوش مصنوعی در دنیا واقعی، به آنالیز های بیشتری احتیاج است.

ادغام اسکن های مغزی برای یافتن نشانه های آنوریسم، به ثبت و آنالیز صد ها تصویر احتیاج دارد.

الگوریتم پس از آموزش توانست اسکن هایی که آنوریسم در آن ها وجود داشت، معین کند. با یاری این الگوریتم، تصمیم گیری در خصوص اسکن ها برای پزشکان ساده تر خواهد بود.

استفاده از هوش مصنوعی برای تشخیص بیماری های چشمی

شرکت هوش مصنوعی گوگل موسوم به دیپ مایند (DeepMind)، نوعی سیستم هوش مصنوعی طراحی نموده که می تواند بیش از 50 بیماری چشمی را تنها با آنالیز اسکن سه بعدی شبکیه تشخیص دهد. دیپ مایند، این پژوهش را با همکاری بیمارستان چشم مورفیلدز (Moorfields) لندن انجام داده است. این شرکت در نظر دارد با تمرکز بر هوش مصنوعی، همه مواردی که می توانند منجر به بروز بیماری های خطرناک چشم شوند، تشخیص دهد و پیشنهاداتی برای انتخاب مناسب ترین نوع درمان به بیماران ارائه کند. بدین ترتیب، با استفاده از این سیستم، تعداد افرادی که بینایی خود را از دست می دهند، کاهش خواهد یافت.

مصطفی سلیمان (Mustafa Suleyman)، رئیس بخش هوش مصنوعی کاربردی شرکت دیپ مایند گفت: نکته مهم این است که هوش مصنوعی، شرح پذیر است؛ در نتیجه پزشکان می توانند به پیشنهادات آن اطمینان نمایند. در این سیستم، هوش مصنوعی، پیکسل هایی را روی اسکن چشم معین می نماید که با نشانه های بیماری مطابقت دارند.

تشخیص بیماری های مزمن کلیه با یاری هوش مصنوعی

پژوهشگران دانشکده پزشکی دانشگاه بوستون (BUSM)، یک روش تازه مبتنی بر هوش مصنوعی ابداع نموده اند تا به پیش بینی بیماری پیش رونده و مزمن کلیه بپردازند. این گروه پژوهشی متشکل از پنج متخصص اعصاب و روان با استفاده از یک نرم افزار، به آنالیز اندازه آسیب در بافت های کلیه پرداختند. پژوهشگران برای الگوبرداری از روش متخصصان بیماری های اعصاب و روان، از هوش مصنوعی برای ترکیب الگو ها و ویژگی های قسمت های فرعی و بعلاوه تصویر بافت کلیه استفاده کردند. به واسطه ترکیب این داده ها، یک مدل یادگیری عمیق برای پیش بینی سطح آسیب کلیوی طراحی شد.

محققان باور دارند مدل های مبتنی بر هوش مصنوعی که می توانند اندازه آسیب مزمن را به صورت اتوماتیک تشخیص دهند، دومین گزینه در اقدامات بالینی هستند و ممکن است که نهایتا بتوان از این روش برای آنالیز سایر موارد آسیب شناسی اندام استفاده کرد که بر ارزیابی فیبروز متمرکز است.

پیش بینی سرطان مغز با هوش مصنوعی

مطالعه محققان دانشگاه یورک که با همکاری علی صادقی نائینی اجرا شده، حاکی از آن است که یک تکنیک خلاقانه مبتنی بر هوش مصنوعی (AI) که آن ها توسعه داده اند در پیش بینی تاثیر روش های درمانی در بیماران مبتلا به متاستاز مغزی به طور قابل توجهی مؤثرتر از چشم انسان است. محققان این مطالعه امیدوارند که تحقیقات و فناوری تازه آن ها در نهایت بتواند به برنامه های درمانی مناسب تر و نتایج سلامت بهتری برای بیماران سرطانی منجر گردد.

علی صادقی نائینی، رئیس بخش پژوهشی دانشگاه یورک و استاد مهندسی پزشکی و علوم کامپیوتر در دانشکده مهندسی لاسوند، گفت: این یک تحلیل پیچیده و جامع از ام. آر. آی برای یافتن ویژگی ها و الگو هایی است که معمولا به وسیله چشم انسان ثبت نمی شوند. ما امیدواریم که تکنیک ما، که یک روش تازه پیش بینی مبتنی بر هوش مصنوعی برای تشخیص عیوب رادیوتراپی در متاستاز مغز است، بتواند به انکولوژیست ها و بیماران یاری کند تا تصمیمات آگاهانه تری بگیرند و درمان را در شرایطی که زمان بسیار مهم است، انجام دهند.

مطالعات قبلی نشان داده اند که با استفاده از روش های استاندارد مانند تصویربرداری ام. آر. آی، ارزیابی مقدار، محل و تعداد متاستاز های مغزی و بعلاوه نوع سرطان اولیه و شرایط بیمار، انکولوژیست ها قادر به پیش بینی شکست درمان در حدود 65 درصد مواقع هستند. محققان چندین مدل هوش مصنوعی را ایجاد و آزمایش کردند و برترین مدل آن ها دقت 83 درصدی داشت.

صادقی نائینی گفت: همه تومور ها به تشعشع پاسخ نمی دهند و در 30 درصد از این بیماران حتی پس از درمان، تومور به رشد خود ادامه می دهد. این اتفاق اغلب تا ماه ها پس از درمان به وسیله ام. آر. آی کشف نمی گردد. پیش بینی نحوه پاسخ درمانی قبل از شروع درمان بسیار مهم است.

محققان با استفاده از تکنیک یادگیری ماشینی معروف به یادگیری عمیق، شبکه های عصبی مصنوعی را ایجاد کردند که آن شبکه های عصبی مصنوعی بر روی مجموعه ای از داده ها آموزش دیده بودند، سپس در گام بعد محققان به هوش مصنوعی آموزش دادند که به منطقه ها خاص توجه بیشتری داشته باشد.

صادقی نائینی شرح می دهد: وقتی به ام. آر. آی نگاه می کنید، منطقه های را در داخل یا اطراف تومور می بینید که شدت و الگوی آن فرق دارد، بنابراین با سیستم بینایی خود بیشتر به آن قسمت ها توجه می کنید. اما یک الگوریتم هوش مصنوعی نسبت به این موضوع عملکرد خوبی ندارد. مکانیسم توجهی که ما در الگوریتم گنجانده ایم به این ابزار های هوش مصنوعی یاری می نماید تا یاد بگیرد کدام قسمت از این تصاویر مهم تر هستند و برای تجزیه و تحلیل و پیش بینی زمان بیشتری روی آن ها بگذارند.

صادقی نائینی می گوید، در حالی که باید تحقیقات بیشتری انجام گردد، یافته ها نشان می دهد که هوش مصنوعی ابزار بالقوه مهمی در مدیریت دقیق متاستاز مغز و حتی سایر انواع سرطان است. گام بعدی برای پذیرش این روش به عنوان یک ابزار بالینی، آنالیز یک گروه بزرگ تر با مجموعه داده های چند نهادی است.

تشخیص آلزایمر بوسیله هوش مصنوعی پیش از شروع علایم

یک مدل تازه هوش مصنوعی قادر است با آنالیز داده های تصویربرداری مغزی، شرایط سلامت روان را ارزیابی کند تا الگو های مرتبط با اوتیسم، اسکیزوفرنی و آلزایمر را بیابد. این مدل هوش مصنوعی می تواند کار خود را پیش از شروع نشانه های بیماری انجام دهد. این مدل ابتدا با تصاویر مغز بزرگسالان سالم و سپس با تصاویر مغز افراد مبتلا به مسائل روانی آموزش داده شد تا بتواند تغییرات کوچکی را که چشم انسان به آن ها توجه نمی نماید، تشخیص دهد.

این برنامه رایانه ای پیچیده به وسیله گروهی از پژوهشگران دانشگاه ایالتی جورجیا (Georgia State) ساخته شده است و به گفته آن ها شاید روزی بتواند آلزایمر را در 40 سالگی یک فرد تشخیص دهد؛ یعنی حدود 25 سال پیش از شروع نشانه های بیماری. ابتلای زودهنگام به چنین بیماری هایی، بیماران را وادار می نماید تا درمان هایی را دریافت نمایند که فشار بیماری روانی را کاهش می دهد.

هوش مصنوعی با مجموعه بزرگی از داده های مربوط به بیش از 10 هزار نفر آموزش داده شد تا تصویربرداری تشدید مغناطیسی کارکردی یا اف ام آرآی (fMRI) را درک کند که فعالیت مغز را با تشخیص تغییراتی در جریان خون مورد آنالیز قرار می دهد. هنگامی که هوش مصنوعی توانست اف ام آرآی اولیه را بخواند، پژوهشگران آن را با مجموعه داده های مربوط به بیش از 1200 نفر تغذیه کردند که به بیماری های روانی شامل اوتیسم، اسکیزوفرنی و آلزایمر مبتلا بودند. این سیستم توانست الگو های مختلفی را برای هر سه بیماری تشخیص دهد.

پژوهشگران خاطرنشان کردند که استفاده از اف ام آرآی به وسیله انسان برای شناسایی بیماری های روانی می تواند پرهزینه باشد، زیرا انسان باید با دقت داده ها را آنالیز کند، اما استفاده از هوش مصنوعی به طور چشمگیری هزینه و زمان را کاهش می دهد.

تشخیص بیماری های ریوی با دقت 98 درصدی

پژوهشگران دانشگاه وست اسکاتلند (UWS) بر این باورند که هوش مصنوعی پیشگامانه آن ها می تواند به کاهش استرس ها و تقاضا های زمستانی در بیمارستان ها یاری کند. این رویکرد نوآورانه با استفاده از هوش مصنوعی، به طور اتوماتیک بیماری های ریوی مانند ذات الریه و سل را تشخیص می دهد. هم بیماری سل و هم بیماری ذات الریه می توانند عفونت های جدی در پی داشته باشند و ریه ها را تحت تأثیر شدید قرار دهند.

تشخیص بیماری های ریوی معمولاً احتیاج به آزمایش های مختلف تشخیصی دارد که اغلب شامل استفاده از پرتوی ایکس، آزمایش خون، سونوگرافی و سی تی اسکن است. بعلاوه آماده شدن نتایج این آزمایش ها معمولاً زمان زیادی می برد و ممکن است پرهزینه باشند. نرم افزار خلاقانه هوش مصنوعی پژوهشگران دانشگاه وست اسکاتلند با تجهیزاتی که در ابتدا برای تشخیص سریع کووید-19 از تصاویر پرتو ایکس ساخته شده بود، پیشرفته است.

این نرم افزار هوش مصنوعی برخلاف آزمایش های تشخیصی که ممکن است زمان زیادی طول بکشد تا به نتیجه برسند، می تواند بسیاری از بیماری های ریوی را تنها ظرف چند دقیقه تشخیص دهد و اندازه دقت آن در حدود 98 درصد است. به علت شیوع بیماری کووید، بیمارستان ها با کمبود نیروی کار روبرو شده اند و این گروه پژوهشی با توسعه این هوش مصنوعی تازه در پی کاهش استرس هستند.

پروفسور نعیم رمضان، استاد و پژوهشگر دانشگاه وست اسکاتلند می گوید: سیستم هایی مانند این می توانند برای تیم های پرمشغله پزشکی در سراسر دنیا حیاتی باشند. شکی نیست که بخش های بیمارستانی در سراسر دنیا تحت فشار هستند و شیوع کووید-19 این موضوع را تشدید نموده و فشار بیشتری را به بخش ها و کارکنان تحت فشار وارد نموده است. وی اضافه کرد: احتیاج واقعی به فناوری هایی وجود دارد که بتواند به کاهش بعضی از این فشار ها و تشخیص سریع و دقیق طیف وسیعی از بیماری های مختلف و بعلاوه به آزاد کردن زمان ارزشمند کارکنان یاری کند.

پروفسور رمضان می گوید: تصویربرداری پرتوی ایکس یک ابزار تشخیصی نسبتا ارزان و در دسترس است که در حال حاضر به تشخیص بیماری های مختلف از جمله ذات الریه، سل و کووید-19 یاری می نماید و پیشرفت های اخیر در هوش مصنوعی، تشخیص اتوماتیک با استفاده از اسکن پرتوی ایکس قفسه سینه را به یک منظره قابل دستیابی در فرآیند های پزشکی تبدیل نموده است.

این روش چگونه کار می نماید؟

این هوش مصنوعی تازه از تصویربرداری پرتوی ایکس استفاده می نماید و آن را با پایگاه داده ای از هزاران تصویر از بیماران مبتلا به ذات الریه، سل و کووید مقایسه می نماید. سپس از یک فرآیند هوش مصنوعی به نام شبکه عصبی پیچشی عمیق (CNN) (نوعی یادگیری عمیق برای پردازش داده ها) برای تشخیص استفاده می نماید. شبکه عصبی پیچشی، الگوریتمی است که تصاویر را تجزیه و تحلیل می نماید. در مرحله آزمایش این مطالعه، این تکنیک 98 درصد دقیق بود و ثابت کرد که روشی دقیق برای تشخیص بیماران مبتلا به بیماری های ریوی است.

پژوهشگران این دانشگاه می خواهند ببینند که آیا این روش هوش مصنوعی می تواند برای تشخیص بیماری های دیگر با استفاده از آزمایش های تشخیصی و هوش مصنوعی ترکیبی استفاده گردد یا خیر.

ابزاری برای افراد ناتوان

دیگر کاربرد خوب هوش مصنوعی، یاری کردن به افراد ناتوان برای غلبه بر مسائل است. شرکت هوآوی (Huawei) در این راستا، از هوش مصنوعی و واقعیت اضافه کرده برای ابداع یک اپلیکیشن رایگان تلفن همراه موسوم به استوری ساین (StorySign) استفاده کرد که به بچه ها ناشنوا یاری می نماید تا با ترجمه متن به زبان اشاره، خواندن را بیاموزند. این شرکت، ابزار ارزان ای موسوم به ترک. آی (Track. Ai) را نیز ابداع نموده است که استفاده از آن بسیار ساده است و می تواند اختلالات بصری را در بچه ها شناسایی کند؛ در نتیجه می توان درمان را پیش از اینکه اختلالات موجب نابینایی شوند، شروع کرد.

اپلیکیشن فیسینگ ایموشنز (Facing Emotions)، دیگر اپلیکیشن شرکت هوآوی است که احساسات را به شکل صدا های کوتاه و ساده ارائه می دهد. این اپلیکیشن، احساسی را که در چهره دیگران می بیند، مورد ارزیابی قرار می دهد تا به کاربر در تماشا احساس مخاطب او یاری کند. این اپلیکیشن برای ارزیابی بینی، دهان، ابرو ها و چشم ها، دوربین عقب تلفن همراه را به کار می گیرد و از هوش مصنوعی برای تحلیل احساسات چهره افراد مانند احساس خشم، ترس، انزجار، ناراحتی، شادی و شگفتی استفاده می نماید.

ارزیابی تصاویر پزشکی

هوش مصنوعی می تواند به بهبود سامانه مراقبت از سلامت یاری کند. یک شرکت آلمانی موسوم به زیمنس هلثینیر (Siemens Healthineers) که در حوزه فناوری پزشکی فعالیت دارد، هوش مصنوعی را برای ابداع فناوری های نوین حوزه سلامت به کار می گیرد.

یکی از این فناوری ها موسوم به AI-Rad Companion. 4، نوعی دستیار رادیولوژی است که کار آنالیز تصویر های پزشکی را انجام می دهد. دیگر فناوری موسوم به AI-Pathway Companion 5، بینش هایی را در خصوص آسیب شناسی، تصاویر پزشکی، آزمایشگاه و پزشکی ارائه می دهد. داده های ارائه شده در خصوص هر بیمار، متفاوت هستند و AI-Pathway Companion 5 براساس این داده ها، مراحل بعدی درمان را نشان می دهد.