کمک بزرگ هوش مصنوعی به پزشکی

دانشمندان با استفاده از هوش مصنوعی موفق به طراحی الگوریتمی شدند که تعیین می کند در امور پزشکی، انجام آزمایش خون چه هنگامی لازم و چه وقت غیرضروری است.

به گزارش گروه علم و فناوری ایسکانیوز، محققان دانشگاه «استنفورد» گزارش می دهند توانسته اند الگوریتمی را طراحی کنند که می تواند پیش بینی کند جواب آزمایش خون داده شده «عادی» و درست است و شخص می تواند از سوزن خوردن دوباره برای تایید آزمایشات پزشکی بی نیاز شود.

کامل بودن تشخیص در پزشکی یک امر ضروری است اما پزشکانی که نگران آزمایش های بیش از حد هستند، سوال جدیدی را مطرح می کنند که آیا ممکن است این تشخیص ها خیلی دقیق باشند؟

«جاناتان چن»، استادیار پزشکی دانشگاه «استنفورد» در پاسخ به این سوال می گوید که« بله»؛ به خصوص در زمینه آزمایش خون تشخیص ها دقیق هستند.

آزمایش خون سنگ بنای پزشکی تشخیصی است اما به نظر می رسد افزایش بیش از حد آزمایش خون و انجام آزمایش های مکرر باعث کاهش دقت نتایج می شود.

نه تنها تکرار آزمایش های خون در نتایج آنها تغییری به وجود نمی آورد بلکه تکرار چندین باره آن می تواند مضرات بسیاری رابرای بیماران داشته باشد.

«جیسون هوم»، استادیار بالینی پزشکی می گوید: پایین آمدن هزینه تست های غیرضروری واضح است اما اشکالاتی دیگر نیز وجود دارد ، یعنی بار سنگینی که می تواند روی دوش بیماران قرار داشته باشد.

گاهی اوقات بیمارانی که در بیمارستان بستری هستند باید در ساعاتی از صبح بیدار شوند تا این آزمایش ها روی آنها انجام شود و این بیداری بی موقع و ناگهانی باعث ایجاد دلهره در آنها می شود. گاهی اوقات این آزمایش ها به حدی انجام می شود که اغلب بیماران دچار کم خونی می شوند.

غالباً آزمایش خون اضافی برای مطمئن شدن در تشخیص و استدلال درست و دقیق انجام می شود. مانند این که آزمایش دیگری را انجام می دهیم فقط برای این که مطمئن شویم نتیجه همان چیزی است که فکر می کنیم.

احساس عدم اطمینان نسبت به نتایج تا حدودی به دلیل عدم وجود مقیاس درست برای اندازه گیی صحت آزمایش های متعدد خون است.

چن در این باره می گوید: پزشکان معمولا نباید دستور تکرار یک آزمایش را صادر کنند مگر این که شرایط از نظر بالینی کاملا برای تکرار آن مناسب و فراهم باشد.

بنابراین ما سعی داریم تا با الگوریتم خود اطلاعاتی با کیفیت بالا برای پزشکان فراهم آورید تا دیگر در تشخیص خود دچار حدس و گمان نشوند.

به عبارت ساده تر ، این الگوریتم به پزشک می گوید که چقدر احتمال دارد که آزمایش بعدی نتیجه متفاوتی را نسبت به آزمایش اول به دست دهد.

با آزمایش هایی که توسط الگوریتم پیشبینی شده اند، تعداد تکرار آزمایش ها شروع به کاهش کرده است.

داده های مورد استفاده در مطالعه آزمایشی نشان داد که بعضی از این آزمایش ها، از جمله آزمایش خون برای هموگلوبین A1c که میزان قند خون را اندازه گیری می کند، بعضی اوقات با هم بسیار نزدیک انجام می شوند ، از نظر فیزیولوژیکی برای تغییر ارزش غیرممکن است.

برای آموزش الگوریتم ، چن و تیمش داده های مربوط به بیمار از جمله ویتامین ها، شرایط پزشکی، علائم، نتایج آزمایشگاه و موارد دیگر شناسایی و از آنها استفاده کردند تا نشان دهند که چقدر ممکن است تا تکرار چند باره یک آزمایش خون با توجه به شرایط و اطلاعات پزشکی شخص، چیزی غیرطبیعی یا غیرمنتظره را نسبت به آزمایش اول گزارش کند.

آنها با آموزش الگوریتم داده های استنفورد،سعی کردند تا توانایی آن را در پیش بینی نتایج برای بیماران در استنفورد ، دانشگاه کالیفرنیا ، سانفرانسیسکو و دانشگاه میشیگان به آزمایش بگذارند.

برای اطمینان بیشتر از صحت الگوریتم و نشان دادن این که می تواند در سایر مؤسسات نیز به کار رفته و مورد استفاده قرار گیرد، آنها همچنین پروتکل آموزشی را تغییر و به طور جداگانه الگوریتم را با داده های UCSF و سپس از دانشگاه میشیگان آموزش دادند.

اگر چه در هر سه تغییر در کل تغییرات اندکی وجود داشت اما صرف نظر از این که داده های آموزش از کجا آمده باشد، این الگوریتم ها قابلیت های پیش بینی دقیق را داشتند.

این اولین قدم برای نشان دادن استفاده مفید از داده ها برای کاهش آزمایش های غیرضروری در آزمایشگاه ها است که از طریق هوش مصنوعی میسر شد.

این درحالی است که دنیا باید به سمت و سوی استفاده از این فناوری و روش های نوآورانه حرکت کند تا موسسات مختلف بتوانند از روش و فناوری هوش مصنوعی استفاده و الگوریتم های خاص خود را بر اساس داده های مرتبط با فعالیت هایشان تهیه کنند.

این امر موجب می شود تا هر ارگان و سازمانی قادر باشد تا داده های خود را در بالاترین سطح از دقت ممکن در دسترس داشته و از آنها بهره ببرد.

انتهای پیام/

کد خبر: 1027914

وب گردی

وب گردی