طراحی ماشین هوشمندی که میزان ریسک بیماری را تشخیص میدهد
دکتر علی رضایی یزدی، دکترای هوش مصنوعی از دانشگاه استون انگلستان در گفتوگو با ایسنا با بیان اینکه تحقیقات هفت سال گذشته من بر روی هوش مصنوعی و علوم داده و به طور خاص بر روی کاربرد این دو علم در زمینه بهداشت و درمان بوده است، اظهار کرد: به طور کلی هوش مصنوعی از دیدگاه من استخراج هوشمندی و سیستم فکری انسان و تزریق آن به ماشین (یعنی کامپیوتر) و استفاده از این هوشمندی برای تحلیل دادههای گسترده به منظور بهینهسازی تصمیمات زندگی است.
وی ادامه داد: هوش مصنوعی و علوم داده در زمینه پزشکی میتواند منجر به پیشگیریهای موفق قبل از درمان، کم شدن هزینههای درمان، بهینهسازی پروسه درمان و هدفمند شدن بودجههای پزشکی شود. بنابراین پروژه تحقیقاتی که بر روی آن کار کردهام، منتهی به ساخت یک سیستم هوشمند شد که هدف آن بیرون آوردن تخصص تشخیص پزشکی از مطب دکتر و کلینیکهای تخصصی و آوردن آن در سطح جامعه و خانواده به وسیله مجهز کردن غیر متخصصین به تخصص مورد نیاز برای ارزیابی اولیه، ولی دقیق ریسک است.
عضو افتخاری انجمن نوآوری لندن با اشاره به اینکه کاربرد این تحقیقات در زمینه تشخیص بیماریهای روانی نظیر افسردگی و تبعات این بیماریها مانند خودکشی، قتل، رفتارهای خشونتآمیز (نسبت به خود و دیگران) و غیره بوده است، اظهار کرد: پزشکان بر پایه تخصصی که دارند، برای تشخیص و ارزیابی ریسک، صدها عامل و داده را جمعآوری میکنند و معمولا این صدها داده را بوسیله سوالاتی که از بیمار میپرسند، به دست میآورند، سپس این عوامل را بر اساس علم و تخصصی که دارند، ارزیابی کرده و به یک تشخیص پزشکی میرسند.
وی اضافه کرد: برای اینکه بتوانیم این توانمندی را به غیرمتخصصین نیز منتقل کنیم، اولا به سیستم فکری و هوشمندی پزشکان نیاز داریم و همچنین باید رابطه بین این صدها عامل و متغیر را بدانیم که کدام عوامل و متغیرها برای کدام بیمار مرتبط و سودمند است. بنابراین شناسایی و همانندسازی سیستم ذهنی پزشکان در پردازش داده و ارزیابی ریسک بیمار و استفاده از این همانندسازی برای طراحی یک سیستم هوشمند کامپیوتری که به غیر متخصصین اجازه میدهد با تعدادی سوال ساده به ارزیابی نسبتا دقیق اولیهای نسبت به ریسک بیمار برسند، کاری هست که در تحقیقاتم انجام دادهام.
این محقق هوش مصنوعی و علوم داده، خاطرنشان کرد: این سیستم یک سیستم هوشمند جمعآوری اطلاعات است که به صورت هوشمندانه و داینامیک تصمیم میگیرد چه دادههایی و با چه ترتیبی برای هر فرد مریض باید جمعآوری شود تا دقیقترین پیشبینی وضعیت سلامت در کوتاهترین زمان ممکن انجام شود. این مکانیزم از میان صدها داده با جمعآوری بین 8 تا 13 داده دقیقترین پیشبینی ممکن را انجام میدهد. نکته حائز اهمیت این الگوریتم وجه پزشکی و معنایی آن است، بدین معنی که مؤلفههای تشکیل دهنده این الگوریتم بر اساس سیستم و فرایند ذهنی (cognitive process) پزشکان هنگام بررسی وضعیت سلامت (Risk assessment) افراد تعریف شده است.
رضایی یزدی در ادامه تشریح کرد: منفعت این سیستم این است که تشخیص در مراحل اولیه بیماری انجام میشود و درنتیجه قبل از اینکه مثلا فرد اقدام به خودکشی کند، شناسایی و به پزشک متخصص ارجاع داده میشود و برای تشخیص اولیه ریسک، افراد لازم نیست به پزشک متخصص مراجعه کنند. به عبارت دیگر، آنهایی که به پزشک متخصص و بررسیهای تخصصی نیاز دارند، سریع شناخته میشوند و کسانی که نیاز به بررسی تخصصی ندارند، مجبور نیستند برای بررسیهای اولیه با هزینههای هنگفت پزشک و تکنولوژی تخصصی روبرو شوند. در نتیجه این امر منجر به صرفهجویی در هزینههای مردم، یارانههای دولتی و کوتاهتر شدن صفهای انتظار برای بیمارستان و کلینیکهای تخصصی میشود.
به گفته وی، این تحقیقات بر اساس 50 هزار داده پزشکی که از بیمارستانهای بیماریهای روانی در انگلستان جمعآوری شده بود، انجام شده است و این مکانیزم مخصوص افراد غیر متخصص مانند امدادگرانی است که باید در کوتاهترین زمان ممکن وضعیت سلامت فرد را بررسی کنند و افرادِ با ریسک بالا را به متخصصین ارجاع دهند.
این محقق ایرانی تصریح کرد: در حال حاضر این مکانیزم در مرحله پیادهسازیِ نرمافزاری است. تحقیقات پایهای و نسل اول الگوریتم طراحی شده این سیستم حدودا 4 سال طول کشید و امیدوار هستیم تا یک سال آینده نسل اول این سیستم بعد از ارزیابیهای نهایی در سیستم ملی سلامت انگلستان (National Health System) استفاده شود. همچنین امیدواریم در یکی دو سال آینده نسل دوم و سوم این سیستم، طراحی و ضمن بومیسازی، در سیستم درمانی ایران نیز استفاده شود.
دکتر علی رضایی یزدی، دکترای هوش مصنوعی از دانشگاه استون انگلستان، عضو افتخاری انجمن نوآوری لندن و عضو تیم تحقیقاتی اَلیس (Lab for Intelligent Collectives Engineering Aston) است. تخصص و تحقیقات وی بر روی علوم کامپیوتری و هوش مصنوعی است.
No tags for this post.