در تعریفی ساده، هوش مصنوعی (AI سرواژه Artificial Intelligence) مترادف با توسعه سیستمهای رایانهای است که قادر به انجام وظایفی هستند که معمولاً به هوش انسانی نیاز دارند و وظایفی مانند تصمیمگیری، تشخیص موضوعات، حل مسائل پیچیده و غیره را انجام میدهند. استفاده از هوش مصنوعی میتواند به تصمیمگیری سریعتر انسان کمک کند و محاسبات پیچیدهای را انجام دهد که حل آنها روزها طول میکشد. همچنین، هوش مصنوعی قادر به انجام کارهای معمول و تکراری است که ممکن است انجامشان زمان زیادی نیاز داشته باشد. علاوه بر این، ماشین مجهز به فناوری هوش مصنوعی میتواند بدون وقفه یا 24 ساعته کار کند که این امر بهرهوری و کارایی را افزایش میدهد. از مهمترین مزایای هوش مصنوعی، جایگزینی انسان با ربات در انجام کارهای پرخطر است. اهمیت این مزیت در صنعت فضایی یا اکتشافات اعماق اقیانوس که سفر به این موقعیتها برای انسان دشوار است، آشکارتر میشود. با این حال، بیشترین تأثیر هوش مصنوعی در حوزه مراقبتهای بهداشتی است. گزارشها حاکی از آن است که هوش مصنوعی تا سال 1409 شمسی/ 2030 میلادی، ارزشی قریب به 15 هزار و 700 میلیارد دلار به اقتصاد جهان اضافه خواهد کرد که حوزه مراقبتهای بهداشتی یکی از بیشترین تحولات از طریق فناوری هوش مصنوعی را به خود خواهد دید. در این میان یادگیری ماشین و یادگیری عمیق، دو حوزه پرکاربرد هوش مصنوعی در بحث سلامت و مراقبتهای بهداشتی خواهد بود.
تفاوت یادگیری ماشین و یادگیری عمیق
یادگیری ماشین (Machine Learning) یکی از رایجترین اَشکال هوش مصنوعی در مراقبتهای بهداشتی است که هسته بسیاری از رویکردهای هوش مصنوعی و فناوری مراقبتهای بهداشتی را تشکیل میدهد و نسخههای زیادی از آن وجود دارد. به زبان ساده، یادگیری ماشین میتواند دادهها را تفسیر و تجزیه و تحلیل کند تا هر گونه درک عملی را که به نفع یک سازمان باشد ارائه کند. گستردهترین استفاده از یادگیری ماشین در حوزه مراقبتهای بهداشتی، پزشکی دقیق (precision medicine) است. بنابراین، توانایی پیشبینی اینکه کدام روشهای درمانی احتمالاً برای بیماران بر اساس چارچوب درمان آنها موفقیتآمیز است، جهش بزرگی برای بسیاری از سازمانهای ارائهکننده خدمات بهداشت و درمان است.
به این ترتیب، نکته اصلی در یادگیری ماشین این است که شما دادههای بسیار زیادی را جمعآوری و به ماشین ارائه میکنید و ماشین شما این دادهها را با استفاده از الگوریتمها و مدلهای یادگیری ماشین، ارزیابی، درک و تفسیر میکند. در نهایت مشکلی را حل یا بر اساس آن دادهها، نتیجهای را پیشبینی میکند. یادگیری عمیق (Deep Learning) اما مفهوم پیشرفتهتری نسبت به یادگیری ماشین است که از مفهوم شبکههای عصبی (neural networks) استفاده میکند تا بتواند مسائل پیچیدهتری را حل کند که به دادههای زیاد و استخراج خودکار ویژگیها نیاز دارد.
ویژگیها کلیدی صنعت سلامت برای جوابدهی بهتر هوش مصنوعی
دو نکته مهم وجود دارد که هوش مصنوعی را در زمینه خدمات بهداشت و درمان بسیار تأثیرگذار کرده است:
1) صنعت بهداشت و درمان، غنی از دادههاست
هوش مصنوعی مبتنی بر فناوریهایی مانند یادگیری عمیق و یادگیری ماشین است که به حجم بالایی از دادهها نیاز دارند. بنابراین، با وجود در دسترس بودن مقادیر عظیم دادههای پزشکی، پیادهسازی هوش مصنوعی بسیار آسانتر میشود.
2) دادههای حوزه سلامت، متنوع و پیچیده است
یکی دیگر از دلایل مهمی که منجر به توسعه هوش مصنوعی در صنعت بهداشت و درمان شد، معرفی الگوریتمهای پیچیده است. از آنجا که یادگیری ماشین قادر به مدیریت دادههای عظیم نیست و به خصوص دادههای پزشکی حجم بسیار بالایی دارند، پردازش و تجزیه و تحلیل چنین دادههایی با فناوری یادگیری ماشین دشوار است که با معرفی یادگیری عمیق و شبکههای عصبی، این کار بسیار آسانتر شد. زیرا یادگیری عمیق و شبکههای عصبی اساساً بر حل مشکلات پیچیده دادههای با ابعاد بالا تمرکز دارند.
پرطرفدارترین کاربردهای هوش مصنوعی در صنعت سلامت
1- تصویربرداری پزشکی
در حال حاضر یکی از مهمترین کاربردهای هوش مصنوعی در تصویربرداری پزشکی و تشخیص با هوش مصنوعی است. در سالهای اخیر در بسیاری از کشورها همزمان با کمبود رادیولوژیست و افزایش نیاز به تصویربرداری پزشکی، حجم کار افزایش یافته و به تأخیر در گزارشدهی منجر شده است. به این ترتیب، نیاز به فناوری جدید برای حمایت از رادیولوژیستها و توانمندسازی آنها بیشتر شده است. با کمک شبکههای عصبی کانولوشن و الگوریتمهای یادگیری ماشین، سامانه PACS (سرواژه Picture Archiving and Communication System) مجهز به هوش مصنوعی میتواند تصاویر پزشکی متنوع مانند پرتو ایکس، ماموگرافی، سیتیاسکن و اسکن امآرآی را بخواند. زیرا هوش مصنوعی برای تشخیص ضایعات و ناهنجاریها در تصاویر و تمایز بین یافتههای طبیعی و اسکنهای غیرطبیعی آموزش دیده است و میتواند کوچکترین ناهنجاریهایی را تشخیص دهد که چشم انسان قادر به تشخیص آنها در تصاویر نیست. هوش مصنوعی البته جایگزین رادیولوژیستها نمیشود، اما میتواند آنها را توانمند کند، گردش کار آنها را ساده و مطالعاتشان را اولویتبندی کند تا بتوانند زودتر شرایط بحرانی را بررسی کنند.
2- تشخیص بیماریها
امروزه از هوش مصنوعی برای تشخیص بیماریها (برای مثال تشخیص تومورها) در مرحله شروع بیماری استفاده میشود. به گفته متخصصان انجمن سرطان آمریکا، تعدادی از ماموگرافیها نتایج اشتباه به همراه دارد. استفاده از هوش مصنوعی مطالعه و تشخیص موارد مشکوک در ماموگرافی را با سرعت بیشتر و با دقت 99 درصد انجام داده و نیاز به بیوپسی (نمونهبرداری) را کاهش میدهد. همچنین، استفاده از سوابق پزشکی بیماران برای تشخیص افراد در معرض خطر یکی از کاربردهای اصلی هوش مصنوعی در حوزه مراقبتهای بهداشتی است.
3- تصمیمگیری بهتر
الگوریتمهای هوش مصنوعی با استفاده از این دادهها، میتوانند به فرآیندهای تصمیمگیری بهتر کمک کنند. هوش مصنوعی در سیستمهای پشتیبانی تصمیمگیری بالینی (CDSS سرواژه Clinical Decision Support Systems) به جمعآوری حجم عظیمی از دادهها از یک بیمار بستگی دارد. بطوریکه میتواند تاریخچه بیمار، وضعیت فعلی و دادههای تازه وارد شده را برای پیشنهاد یک طرح درمانی با یکدیگر مقایسه کند یا توصیههایی برای مراقبت بهتر ارائه دهد. همچنین، دادهها را با بیماران دیگر که وضعیت یا علائم مشابهی دارند مقایسه کند و تصمیماتی در مورد بیماریهای احتمالی یا عوارض احتمالی آینده ارائه دهد.
4- صنعت داروسازی
داروسازی نیز به استفاده از آخرین فناوریهایی وابسته است که به ارائه بهترین فرمول داروها کمک کنند. صنعت داروسازی در حال حاضر از هوش مصنوعی در بسیاری از کارکردها از کشف دارو و آزمایشهای بالینی تا فرآیند تولید و بازاریابی استفاده میکند. در زمینه تحقیق و توسعه و طراحی دارو، هوش مصنوعی به شناسایی الگوهای پیچیده در بیماریها و رفتار آنها کمک میکند. بنابراین، میتواند تشخیص دهد کدام ترکیب شیمیایی میتواند در درمان یک بیماری خاص مؤثر باشد. قبل از هوش مصنوعی، تحقیق و توسعه پرهزینه و زمانبر بود.
5- دستیار پزشکی مجازی
هوش مصنوعی به عنوان یک دستیار پزشکی مجازی یا ویامای (VMA سرواژه Virtual Medical Assistant) برای ارائهدهندگان خدمات بهداشت و درمان استفاده میشود. این نوآوری به پزشکان کمک میکند تا فشار روزانه کار را کاهش دهند. برای مثال، ویامای میتواند مکالمات بین پزشکان و بیماران را بدون نیاز به ضبط دستی اطلاعات، رونویسی کند. به این ترتیب ویامای میتواند مکالمهای کاملاً رونویسی شده همراه با یادداشتهای بالینی ارائه کند که فقط به بازبینی و امضای پزشک نیاز دارد.
6- پرستاری مجازی و ارزیابی علائم
وبگاهها و برنامههای موبایلی خوبی وجود دارد که به افراد امکان میدهد وضعیت سلامتی خود را پیش از مراجعه به بیمارستان بررسی و یک ارزیابی پیش تشخیصی دریافت کنند. افراد علائم خود را از طریق چتباتها وارد میکنند تا متوجه شوند علت بروز این علائم چیست. مطمئناً این امکان، نمیتواندجایگزین ویزیت پزشک بشود اما میتواند حجم کار کادر درمان را کاهش دهد و دید اولیهای از پرونده بیمار به پزشک ارائه کند. این ابزار میتواند نوعی خدمات تریاژ پزشکی را ارائه کند تا بر اساس آن بیماران اولویتدار و غیرفوری (که نیاز به درمان و مراقبت معمولی دارند) مشخص شوند. یکی از جدیدترین کاربردهای این ابزار ارائه یک ارزیابی اولیه از علائم کووید-19 است که به بیمار امکان میدهد علائم خود را بررسی کند و متوجه شود آیا احتمال ابتلا به کووید-19 در او وجود دارد یا خیر. سپس، توصیههایی در مورد مناسبترین مسیر مراقبتی ارائه میکند. یک پرستار مجازی در مورد داروهایتان به شما کمک میکند، به شما میگوید دقیقاً چه وقت باید داروی خود را مصرف کنید و آیا باید غذای خاصی را بخورید یا نه.
7- نظارت از راه دور بیمار
پوشیدنیها و حسگرهای پزشکی میتوانند علائم حیاتی بیمار و سایر دادههای پزشکی را بهصورت خودکار اندازهگیری و بررسی و سپس این دادهها را تجزیه و تحلیل کنند. هوش مصنوعی میتواند بر اساس تجزیه و تحلیل دادهها توصیههایی را برای بیمارانی که به بررسی نیاز دارند، به پزشکان ارسال کند.
آینده صنعت سلامت با تکیه بر هوش مصنوعی
فناوری هوش مصنوعی ظرفیت بسیار بالایی برای دگرگون کردن صنعت سلامت دارد تا از سوی گروههای مختلف شامل متخصصان بهداشت و درمان و همچنین بیماران مورد استفاده قرار بگیرد. امروزه هوش مصنوعی در حال تغییر شکل مراقبتهای بهداشتی در زمینه های متعددی از جمله مدیریت سوابق سلامت الکترونیکی بیماران، تشخیص زودهنگام بیماری، تصویربرداری تشخیصی، توسعه دارو، آزمایشهای بالینی، پرستاری مجازی، رباتهای جراحی، سیستمهای پشتیبانی تصمیمگیری بالینی و غیره است.