تشخیص بیماری با هوش مصنوعی ؛ تشخیص زود هنگام بیماری به عنوان روش نوین

 هوش مصنوعی برای تشخیص بیماری ؛ راهی بسیار سریع برای تشخیص زود هنگام بیماری

امروزه الگوریتم های کامپیوتری بسیار پیچیده ای وجود دارند که با دقت بالا در حال انجام وظایف باور نکردنی می باشند. به این هوش کامپیوترها معمولا AI یا هوش مصنوعی گفته می‌شود. هوش مصنوعی به وجود آمده است تا تاثیر شگرفی در زندگی و آینده ما داشته باشد. با این وجود هنوز در شناسایی و تشخیص بیماری های خطرناک مانند بیماری‌های عفونی و سرطان با چالش‌های بزرگی روبرو هستیم. هر ساله هزاران بیمار جان خود را به خاطر سرطان کبد یا دهان از دست می‌دهند.

ویدئویی که در ادامه خواهید دید چگونگی عملکرد این روش را نشان می دهد.

پراتیک شاه و همکارانش مبتکر این روش نوین برای تشخیص بیماری به کمک هوش مصنوعی هستند. او اعتقاد دارد که ابتکار آنها بهترین روش برای کمک به بیماران است . پراتیک و گروهش توانسته اند روشی را اختراع کنند که در این روش شناسایی و تشخیص زودهنگام بیماری‌ها امکان پذیر می باشد.

بیشتر بدانیم: درک احساس با هوش مصنوعی>>

بیشتر بدانیم: شهر هوشمند سامسونگ>>

عملکرد هوش مصنوعی برای تشخیص بیماری در مقایسه با روش های مرسوم

ابتدا نگاهی به چگونه تشخیص بیماری‌ها به طور معمول داریم. در بیمارانی که مشکوک به بیماری‌های خطرناک مانند سرطان هستند، پزشک متخصص ابتدا دستور تصویربرداری‌ می دهد. لازم به ذکر است که تصویربرداری‌ های پزشکی مانند فلوئورسانت، سی‌تی و ام‌آر‌آی بسیار گران هستند. پس از گرفتن تصاویر پزشکی، پزشک متخصص با استناد بر تصاویر، بیماری را تشخیص می‌دهد. همان گونه که مشاهده می کنید این فرایند بسیار زمان بر و پر هزینه‌ است.

این روش برای کشورهای در حال توسعه کاربردی تلقی نمی‌شود. البته برای بسیاری از کشورهای صنعتی هم این روش به صرفه نیست. زیرا برای تشخیص بیماری هم به پزشک متخصص و هم فناوری‌های گران‌قیمت مانند تصویربرداری پزشکی نیاز است. هوش مصنوعی قادر خواهد بود با تحلیل یک عکس اطلاعات زیادی را استخراج کند. در این روش سرعت تشخیص نیز بالا می رود.

تکنولوژی تشخیص بیماری به روش معمول

بیشتر بدانیم: ماشین هوشمند بدون سرنشین>>

تشخیص بیماری با روش نوین هوش مصنوعی در برابر هوش مصنوعی سنتی

پراتیک در سخنرانیش به نکته مهمی اشاره دارد. ” امروزه اگر بخواهیم با معماری‌های سنتی هوش مصنوعی این مشکل را حل کنیم، به ۱۰٫۰۰۰ تصویر نیاز داریم. این تعداد عکس به خودی خود بسیار گران است. پس از آن این تصاویر بایستی توسط یک متخصص بررسی و تحلیل گردد. با استفاده از این دو منبع اطلاعاتی، می‌توان یک شبکه عصبی استاندارد یا یک شبکه یادگیری طراحی گردد، که در تشخیص بیماری به پزشک کمک می کند. ” مشابه روش اول، روش هوش مصنوعی سنتی هم مشکلات مشابهی دارد. میزان داده های زیاد ، پزشکان متخصص ، فناوری‌های تخصصی تصویربرداری و هزینه بالا.

سوالی که پیش می آید این است که آیا می‌توانیم معماری‌ هوش مصنوعی مقیاس پذیرتر و موثرتری ایجاد کنیم؟ آیا در رفع مشکلاتی که انسان امروز با آن روبرو می باشد یاری دهنده است؟ این دقیقا کاری است که گروه پراتیک در آزمایشگاه رسانه MIT انجام می‌دهد. آنها گونه‌های مختلف و خاص از معماری هوش مصنوعی را در راستای حل چالش های پیش رو در تصویربرداری پزشکی و آزمایشات بالینی اختراع نموده اند. گروه پراتیک بعضی از مهم‌ترین چالش‌های امروزی پیش رو در تصویربرداری پزشکی و آزمایش‌های بالینی را حل کرده اند.

تکنولوژی تشخیص بیماری با هوش مصنوعی

بیشتر بدانیم: مکعب روبیک هوشمند>>

بیشتر بدانیم: ساعت هوشمند آسو>>

دو چالش مهم گروه پراتیک

پراتیک و گروه اش دو هدف مهم در این راه داشته اند. هدف اول، کاهش تعداد تصاویر مورد نیاز برای آموزش به الگوریتم‌های هوش مصنوعی؛ و هدف دوم، کاهش استفاده از فناوری‌های گران تصویربرداری پزشکی برای تشخیص بیماری بوده است.

برای هدف اول‌، به جای شروع با ۱۰٫۰۰۰ تصویر گران مثل هوش مصنوعی سنتی، با یک تصویر پزشکی شروع کردند. از یک تصویر، او و گروهش روشی هوشمندانه برای استخراج میلیاردها بسته اطلاعات پیدا کردند. این بسته‌های اطلاعاتی شامل رنگ، پیکسل، هندسه و ترجمه بیماری از روی تصویر پزشکی بود. به بیانی، او یک عکس را به میلیارد ها نقطه اطلاعاتی تبدیل می کرد. که به طور قابل توجهی میزان اطلاعات لازم جهت آموزش به شبکه های عصبی را کاهش داد.

برای هدف دوم، جهت کاهش استفاده از فناوری‌ های تصویربرداری گران ‌پزشکی جهت بیماری، با یک عکس استاندارد با نور سفید شروع کردند. یک تصویر، که با یک دوربین DSLR یا دوربین گوشی از بیمار گرفته میشود. سپس آن میلیاردها بسته اطلاعاتی را که از تصویر پزشکی استخراج کرده بودند، بر روی این عکس گرفته شده با نور سفید قرار دادند. آنگاه چیزی ساخته شد که به آن تصویر مرکب گفته می شود. بسیار جالب است که فقط ۵۰ عدد از این عکس‌های ترکیبی را تکرار کردند. این کار برای آموزش الگوریتم‌ برای بازدهی بالا نیاز است.

تکنولوژی تشخیص بیماری با هوش مصنوعی و چالش های آن

بیشتر بدانیم: ایوا؛ هوش مصنوعی که آهنگ شخصی افراد را می سازد>>

آینده هوش مصنوعی در زمینه پزشکی

روش‌پراتیک، به جای استفاده از ۱۰٫۰۰۰ عکس پزشکی گران برای تشخیص بیماری، از روش نامعمول آموزش الگوریتم هوش مصنوعی استفاده می کند. این روش با استفاده از فقط ۵۰ عکس رزولوشن بالا انجام می گیرد. اما این عکس ها استاندارد می باشد و با دوربین DSLR و گوشی موبایل گرفته می شود. نکته قابل توجه این است که، الگوریتم آنها می‌تواند، عکس‌های بسیار ساده با نور سفید از بیمار را به راحتی دریافت کند. آنگاه به جای فناوری‌های گران، این گونه تصویربرداری پزشکی تمام مشکلات قبل را حل می کند.

پراتیک و گروهش بر این باور هستند که در حال ورود به دورانی هستیم که هوش مصنوعی تاثیر باورنکردنی بر آینده خواهد گذاشت. آنها می دانند که هوش مصنوعی سنتی، اطلاعات ورودی زیادی می‌خواهد اما کارایی کمی دارد؛ لذا باید به معماری‌های هوش مصنوعی نامعمول فکر کنیم. در این روش می‌توانیم میزان کمی اطلاعات را تحویل دهیم و جوابی درست با هزینه کم دریافت کنیم. هوش مصنوعی جدید بعضی از مهمترین مشکلات پیش روی ما مخصوصا در زمینه مراقبت‌های بهداشتی را حل کرده است.

من معتقد هستم که ما در حال ورود به دورانی هستیم که هوش مصنوعی تاثیر باورنکردنی بر آینده خواهد گذاشت.

برگرفته از وب سایت: TED