به گزارش سیناپرس، محققان معتقدند که قطعا می توان با استفاده از ابزارهای یادگیری ماشینی به پزشکی خدمت کرد. پیشرفت‌های آینده در علم سلامت ممکن است در واقع به ادغام فناوری ها و روش های محاسباتی با رشد سریع در علم پزشکی، بستگی داشته باشد.
محققان دانشگاه پیتسبورگ در پنسیلوانیا در ایالات متحده پژوهش های جدیدی در استفاده از تکنیک های یادگیری ماشینی برای تجزیه و تحلیل مجموعه داده های بزرگی از بیماران آسیب مغزی انجام داده اند.
شاندونگ وو (Shandong Wu) یکی از پژوهشگران این مطالعات و دانشیار رادیولوژی توضیح می دهد: تکنیک های یادگیری ماشینی چندین دهه است که وجود داشته است. اما در حدود سال 2012 بود که تکنیک به اصطلاح یادگیری عمیق به بلوغ رسید و توجه زیادی را از حوزه تحقیقاتی نه تنها در پزشکی یا مراقبت های بهداشتی، بلکه در حوزه های دیگر مانند اتومبیل های خودران و روباتیک به خود جلب کرد.
وو توضیح می دهد: این فن آوری نوعی مدل چند لایه مبتنی بر شبکه عصبی است که دائماً از نحوه عملکرد مغز انسان برای پردازش مجموعه بزرگی از داده‌ها برای یادگیری یا تقطیر اطلاعات تقلید می کند. او می گوید: کلید افزایش ارتقای تکنیک های یادگیری ماشینی در سال های اخیر به دلیل پیشرفت های فنی در الگوریتم های یادگیری ماشینی، پیشرفت در سخت افزار مورد استفاده و حجم زیادی از داده های دیجیتالی که به راحتی در دسترس هستند، است.
تکنیک های یادگیری ماشینی از داده ها برای آموزش مدل برای عملکرد بهتر استفاده می کنند و هر چه داده های بیشتر باشند عملکرد سیستم بهتر می شود. وو در ادامه توضیح می دهد: اگر فقط مجموعه کوچکی از داده ها دارید، پس مدل خیلی خوبی ندارید. به گزارش سیناپرس، شما ممکن است پرسش های بسیار خوب یا روش شناسایی خوبی داشته باشید، اما نمی توانید مدل بهتری دریافت کنید زیرا مدل خوب از داده های زیادی یاد گرفته و آموزش می بیند. اگرچه داده‌های پزشکی موجود به اندازه داده های رسانه‌های اجتماعی بزرگ نیست اما همچنان می توان در حوزه بالینی با آنها کار کرد.
دیوید اوکونکوو (David Okonkwo) یکی دیگر از پژوهشگران می گوید مدل ها و الگوریتم های یادگیری ماشینی می توانند تصمیم گیری های بالینی، تجزیه و تحلیل سریع مقادیر عظیمی از داده‌ها را برای شناسایی الگوها و آگاه سازی پزشکان میسر کنند. اوکونکوو می افزاید که یادگیری ماشینی اجازه می دهد اطلاعات بیشتری از آنچه یک انسان می تواند پردازش کند، مورد بررسی قرار گیرند.
او در ادامه می گوید: هدف ما نجات جان انسان هاست. فناوری های یادگیری ماشینی، تجربه و خرد انسانی را تکمیل می کنند تا تصمیم گیری را برای بیماران مبتلا به آسیب های جدی به حداکثر برسانند. اگرچه امروز نمونه های زیادی را نمی بینید، اما این فنآوری روش ما را در پزشکی تغییر می دهد. ما امید زیادی به یادگیری ماشین و هوش مصنوعی داریم تا روش درمان بسیاری از بیماری‌های پزشکی از جمله سرطان و کرونا را تغییر دهد.
به گزارش سیناپرس، وو در انتها اشاره می کند که ابزارها باید بیشتر توسعه یافته و ارزیابی شوند یا با پزشکان در محیط های بالینی مورد استفاده قرار گیرند تا واقعاً مزایای آنها برای مراقبت از بیمار بررسی شود. ابزارها برای جایگزینی پزشکان نیستند، بلکه برای ارائه اطلاعات بیشتر برای تصمیم گیری بهتر پزشکان هستند.
مترجم: امیرعلی خسروی زاده
منبع: cosmosmagazine