هوش مصنوعی، سلاح قدرتمند مقابله با کووید-۱۹!

هوش مصنوعی، فناوری مهمی است که در حوزه‌های گوناگونی کارآیی دارد و در حال حاضر نیز کاربرد قابل توجهی را در مقابله با کووید-۱۹ نشان داده است.

به گزارش ایسنا، شیوع کووید-۱۹ تاثیرات منفی قابل توجهی بر جهان داشته است. از زمان آغاز شیوع این بیماری تاکنون، بسیاری از افراد به آن مبتلا شده‌اند و تعداد قابل توجهی از مردم نیز زندگی خود را از دست داده‌اند. همه‌گیری کووید-۱۹، بسیاری از پژوهشگران و مقامات حوزه سلامت جهان را وادار کرده است تا ابزارهای مبتنی بر هوش مصنوعی را توسعه بدهند و آنها را حتی پیش از اثبات کامل عملکردشان، به صورت گسترده‌تری در پزشکی و درمان به کار بگیرند. حتی برخی از ابزارها و یا الگوریتم‌های مبتنی بر هوش مصنوعی، مجوز ضروری استفاده را از سوی "سازمان غذا و داروی آمریکا" (FDA) دریافت کرده‌اند.

سرعت گرفتن تلاش‌های پژوهشگران برای مقابله با همه‌گیری‌ کووید-۱۹، تا حدود زیادی به خاطر حجم گسترده داده‌ها و تاثیر هوش مصنوعی بوده است. مدل‌های مبتنی بر هوش مصنوعی پیش از این نیز در رابطه با شیوع چندین بیماری‌ دیگر نیز مورد استفاده قرار گرفته اند. هوش مصنوعی می‌تواند نقشی حیاتی در مقابله با کووید-۱۹ داشته باشد.

هوش مصنوعی تاکنون با موفقیت برای تشخیص بیماری‌ها، 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 آورده‌اند.

در این گزارش، به زمینه‌های گوناگون کاربرد هوش مصنوعی در مقابله با کووید-۱۹ می‌پردازیم.

پیش‌بینی و ردیابی بیماری

هوش مصنوعی می‌تواند با استخراج اطلاعات از پلتفرم‌های رسانه‌های اجتماعی و وب‌سایت‌های خبری، به پیش‌بینی گسترش کروناویروس کمک کند و اطلاعات سودمندی را برای پیش‌بینی میزان مرگ و میر ارائه دهد.

یکی از نرم‌افزارهای مبتنی بر هوش مصنوعی موسوم به "Bluedot" می‌تواند با استفاده از داده‌های موجود و یادگیری ماشینی، به شناسایی منطقه‌ای بپردازد که  کووید-۱۹ در آن شیوع یافته است. نرم‌افزار دیگری موسوم به "HealthMap"، داده‌های مربوط به کووید-۱۹ را گردآوری می‌کند و آنها را در دسترس قرار می‌دهد تا ردیابی گسترش این بیماری ساده‌تر شود.

ردیابی تماس

"ردیابی تماس"(contact tracing) در حوزه سلامت، به فرآیند شناسایی افرادی گفته می‌شود که با فرد آلوده در تماس بوده‌اند. هوش مصنوعی می‌تواند برنامه‌های کابردی تلفن همراه، ساعت‌های هوشمند، دوربین‌ها و طیف وسیعی از ابزارهای پوشیدنی را تقویت کند تا به تشخیص، ردیابی تماس و نظارت کارآمد بر کووید-۱۹ بپردازند. اپلیکیشن‌هایی مانند "AI۴COVID-۱۹" که بر نمونه‌های صوتی سرفه تکیه دارند، می‌توانند در پزشکی از راه دور مورد استفاده قرار بگیرند.

بررسی بیماران مبتلا به کووید-۱۹

روش‌های مبتنی بر هوش مصنوعی، برای نظارت بر بیماران و پیش‌بینی دوره درمان مورد استفاده قرار می‌گیرند. ممکن است که هوش مصنوعی با استفاده از داده‌های بالینی بتواند اطلاعات مهمی را برای تصمیم‌گیری در مورد درمان، اولویت‌بندی استفاده از ونتیلاتور و درمان‌های تنفسی ارائه دهد. همچنین، هوش مصنوعی می‌تواند امکان بهبودی یا مرگ و میر بیماران مبتلا به کووید-۱۹ را پیش‌بینی کند و تحلیل‌های دقیقی در مورد دوره درمان ارائه دهد.

تشخیص به موقع

هوش مصنوعی می‌تواند با بررسی تصاویر سی‌تی‌اسکن بیماران، به تشخیص به موقع کووید-۱۹ کمک کند. گروهی از پژوهشگران، یک مدل مبتنی بر هوش مصنوعی موسوم به "COVNet" ابداع کرده‌اند که می‌تواند کووید-۱۹ را از سینه‌پهلو تفکیک کند.

گروهی دیگر از پژوهشگران، یک مدل جدید یادگیری عمیق را با استفاده از شبکه‌های پیچیده عصبی ابداع کرده‌اند که می‌تواند کووید-۱۹ را با بررسی تصاویر سی‌تی‌اسکن تشخیص دهد. سیستم دیگری موسوم به "COVID_MTNet" نیز می‌تواند قسمت‌های درگیر شده ریه را به کمک تصاویر ثبت شده با اشعه ایکس و سی‌تی‌اسکن قفسه سینه شناسایی کند.

یک گروه پژوهشی دیگر نیز از سیستم‌های طبقه بندی مبتنی بر هوش مصنوعی استفاده می‌کند تا بیماران را براساس پارامترهای ارائه شده، طبقه‌بندی کند. این سیستم می‌تواند تعداد آزمایش‌های کووید-۱۹ را در مناطقی که با کمبود امکانات هستند، کاهش دهد.

کاهش مسئولیت کادر درمان

سیستم‌های هوش مصنوعی می‌توانند با خودکارسازی فرآیندهای آموزش، تشخیص بیماری و تجزیه و تحلیل داده‌ها، 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 می‌تواند بیماران را براساس شدت نشانه‌های بیماری، شرایط ژنتیکی و گزارش‌های بالینی طبقه‌بندی کند تا معاینه و درمان آنها به شکل موثرتری صورت بگیرد.

به کار بردن هوش مصنوعی در پزشکی از راه دور می‌تواند نیاز مراجعه دائمی به بیمارستان را برطرف کند و از راه دور به نظارت بر حال بیماران و گردآوری داده‌های بالینی مربوط به آنها بپردازد. مراجعه کمتر به بیمارستان‌ها، گسترش عفونت را کاهش خواهد داد و بار مسئولیت کارمندان بیمارستان را نیز کم خواهد کرد.

تشخیص ساختار پروتئین

هوش مصنوعی می‌تواند ساختار پروتئین‌های مهمی را که به ورود و تکثیر ویروس کمک می‌کنند، پیش‌بینی کند و بینش مفیدی را در مورد آنها ارائه دهد که راه را برای ارائه دارو در زمان کوتاه هموار می‌سازد.

الگوریتم موسوم به "AlphaFold" می‌تواند به پیش‌بینی ساختارهای پروتئین بپردازد که تاثیر قابل توجهی در کشف و ارائه دارو دارند. برنامه‌ دیگری موسوم به " DeepTracer" نیز شبکه‌های عصبی عمیق را به کار می‌گیرد تا ساختار پیچیده پروتئین خوشه‌ای کروناویروس را بررسی کند.

توسعه درمان

هوش مصنوعی می‌تواند با بهبود برنامه‌های قدیمی، زمان مورد نیاز برای ارائه دارو را کاهش دهد و با نظارت مجازی و پردازش اعتبار دارو، به این روند سرعت ببخشد. همچنین هوش مصنوعی می‌تواند با ارائه داده‌های مفید در مورد دارو، به تایید یا رد کردن آنها کمک کند و آنها را با سرعتی انجام دهد که برای متخصصان انسان امکان‌پذیر نیست.

شرکت انگلیسی "BenevolentAI" از روش‌های مبتنی بر یادگیری ماشینی استفاده کرده است تا به کشف دارو سرعت بدهد و داروهایی را که ممکن است در مقابله با کووید-۱۹ موثر باشند، شناسایی کند. شرکت چینی "Insilico Medicine" نیز با استفاده از هوش مصنوعی، چندین مولکول کوچک را شناسایی کرده است که می‌توانند 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 هرگز دیده نشده است، نقش پررنگی دارد. پلتفرم‌های هوش مصنوعی می‌توانند گزینه‌های احتمالی واکسن کووید-۱۹ را مورد بررسی قرار دهند و با کمک یادگیری عمیق و مدل‌های طبقه‌بندی، 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. ارائه اخبار درست، نقش مهمی در افزایش آگاهی مردم دارد؛ بنابراین لازم است که راهبردی برای اصلاح اخبار وجود داشته باشد.

روش‌های مبتنی بر هوش مصنوعی می‌توانند راهبردی برای بررسی و نظارت بر اخبار باشند و اخبار نادرست و شایعات را شناسایی کنند. هوش مصنوعی می‌تواند تصویر واضحی را در مورد میزان مرگ و میر، بهبودی بیماران، در دسترس بودن تجهیزات سلامت و شناسایی شکاف‌هایی که در این میان وجود دارند، ایفا کند.

بررسی ژنوم

هوش مصنوعی می‌تواند فناوری خوبی برای بررسی ژنوم‌های کروناویروس باشد و یادگیری ماشینی را برای شناسایی نشانه‌های ژنتیکی به کار ببرد. بدین ترتیب، بررسی کروناویروس و شناسایی راه‌های مقابله با آن با کمک هوش مصنوعی، بسیار ساده‌تر و سریع‌تر صورت خواهد گرفت.

آیا هوش مصنوعی، فناوری خوبی برای مقابله با کووید-۱۹ است؟

گسترش کاربرد ابزارها و الگوریتم‌های مبتنی بر هوش مصنوعی برای نظارت بر کووید-۱۹، نگرانی‌هایی را نیز در میان پژوهشگران حوزه پزشکی به همراه داشته است. برخی از گزارش‌ها حاکی از این هستند که مدل‌های مبتنی بر هوش مصنوعی، داده‌های کم و یا بی‌کیفیتی را در رابطه با کووید-۱۹ ارائه می‌دهند.

"گری کالینز"(Gary Collins)، استاد "دانشگاه آکسفورد"(University of Oxford) در این باره گفت: لازم است که گزارش کامل و شفافی در مورد جزئیات مربوط به مدل‌های پیش‌بینی کننده کووید-۱۹ ارائه شوند. گزارش ندادن جزئیات مهم، نه تنها به پژوهش آسیب می‌رساند، بلکه به ارائه یک مدل ضعیف منجر می‌شود که آسیب‌های زیادی را برای تصمیم‌گیری بالینی به همراه دارد.

برای ارائه یک گزارش واضح و قابل تکرار، منابع و داده‌های مربوط به بیمار مبتلا به کووید-۱۹ باید در دسترس جامعه پژوهشی قرار بگیرند. برخی از پژوهشگران سعی کرده‌اند تا آزمایش‌های جدیدی برای بررسی کووید-۱۹ ابداع کنند که با کمک هوش مصنوعی، داده‌های بالینی بیماران را جمع‌آوری می‌کند و به بیمارستان‌ها ارائه می‌دهد.

پژوهشگران باور دارند که هوش مصنوعی می‌تواند به ایمن ماندن بیماران و کادر درمان کمک کند، بیمارانی را که به کووید-۱۹ مبتلا نیستند، کنار بگذارد و تضمین کند که بیماران مبتلا به کووید-۱۹ به سرعت درمان می‌شوند. با وجود این، مدل‌های هوش مصنوعی که در رابطه با کووید-۱۹ به کار می‌روند نیز مانند سایر مدل‌های مبتنی بر هوش مصنوعی باید مورد بررسی قرار بگیرند تا عملکرد آنها در دنیای واقعی ارزیابی شود. این موضوع باید بررسی شود که آیا مدل‌های هوش مصنوعی کووید-۱۹ می‌توانند بیماری را با دقت در میان گروه‌های متفاوتی از مردم تشخیص دهند و برای سامانه‌های سلامت، کارآیی داشته باشند یا خیر.

این که ابزارهای مبتنی بر هوش مصنوعی چگونه می‌توانند بیماری‌ها 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 امکان‌پذیر باشد.

اگر ابزارهای هوش مصنوعی نتوانند دقت خود را در رابطه با تشخیص بیماری اثبات کنند و یا بیماری‌ها را به درستی از یکدیگر تفکیک کنند، تشخیص اشتباه و مراقبت نادرست از بیماران افزایش خواهد یافت. این اشتباهات موجب می‌شوند که آینده استفاده از فناوری‌های مشابه به خطر بیفتد و میزان اعتماد پزشکان و بیماران به آنها کاهش یابد. برای ارزیابی دقت ابزارهای مبتنی بر هوش مصنوعی باید آزمایش‌های بالینی گوناگونی صورت بگیرند تا چگونگی تاثیر هوش مصنوعی بر بیماران مبتنی به کووید-۱۹ مشخص شود.

انتهای پیام