بهتر کردن تشخیص بیماری ها و کاهش خطا با هوش مصنوعی - نبض هوشمند سلامت
هوش مصنوعی

بهتر کردن تشخیص بیماری ها و کاهش خطا با هوش مصنوعی

هوش مصنوعی کاربرد‌ های بیشماری در صنعت سلامت دارد، در این مقاله به نمونه کاربردهایی از هوش مصنوعی برای بهتر کردن تشخیص بیماری ها و کاهش خطا می پردازیم.

هوش مصنوعی زندگی بیماران، پزشکان و کارهای بیمارستان را با انجام عملیات‌هایی که به طور عمومی توسط انسان‌ها انجام می‌گیرد آسان می‌کند با این مزیت که هزینه‌ و زمان کمتری مصرف می‌کند.

این صنعت رشد بسیار بالایی دارد و در سال 2014 حدود 600 میلیون دلار ارزش گذاری شده و پیش‌بینی می‌شود که تا سال 2026 به بیش از 150 میلیارد دلار رشد کند.

هوش مصنوعی کاربرد‌ های بیشماری در صنعت سلامت دارد. از یافتن ارتباط میان کد‌های ژنتیکی گرفته تا ربات های هوشمند جراحی و بالا بردن بهره‌وری و بازده بیمارستان ها، همه و همه به کمک هوش مصنوعی ممکن شده‌اند.

در این مقاله ما به نمونه کاربردهایی از هوش مصنوعی در تشخیص بیماری‌ها می‌پردازیم:

 

فهرست مطالب

 

در سال 2015، تشخیص اشتباه بیماری ها و خطای پزشکی علت 10 درصد از مرگ و میرها در کشور آمریکا بوده است. در همین جهت وعده ی بهبود فرایند تشخیص بیماری ها یکی از کاربردهای هیجان انگیز هوش مصنوعی در آینده خواهد بود.

سابقه پزشکی ناقص و تعداد زیاد بیماران می‌تواند منجر به خطاهای انسانی مرگ بار شود. هوش مصنوعی نسبت به این اشتباهات ایمن است و می تواند سریع‌تر از گذشته به پیش‌بینی و تشخیص بیماری ها بپردازد. در یک مطالعه مدل هوش مصنوعی با به کارگیری الگوریتم یادگیری عمیق توانست زودتر از 11 پاتولوژیست به تشخیص سرطان پستان برسد.

در ذیل به 6 شرکت حوزه سلامت و فعالیت آن‌ها در زمینه هوش مصنوعی و راه‌هایی که به کاهش اشتباهات و نجات جان‌ها کمک می‌کند پرداخته شده است.

 

تشخیص دقیق‌تر سرطان به کمک هوش مصنوعی - نبض هوشمند سلامت

PathAI: تشخیص دقیق تر سرطان به کمک هوش مصنوعی

محل: کمبریج، ماساچوست

روش استفاده از هوش مصنوعی در سلامت: PathAI در حال توسعه فناوری یادگیری ماشینی برای کمک به پاتولوژیست ها در تشخیص دقیق‌تر است. اهداف حال حاضر این کمپانی شامل کاهش خطاهای تشخیص سرطان و توسعه روش‌هایی برای درمان‌های مبتنی بر فرد و شخصی سازی شده است.

PathAI برای گسترش فناوری خود در سایر حوزه‌های سلامت با توسعه دهندگان دارویی مثل Bristol-Myers Squibb و بنیاد بیل و ملیندا گیتس همکاری داشته است.

 

علامت سنج هوشمند - شرکت نبض

BUOY: علامت سنج هوشمند

محل: بوستون، ماساچوست

روش استفاده از هوش مصنوعی در سلامت: Buoy Health یک علامت سنج و درمان سنج مبتنی بر هوش مصنوعی است که با به کارگیری الگوریتم‌های مختلف به تشخیص و درمان بیماری ها می‌پردازد. نحوه کار Buoy مطابق زیر است.

یک چت بات (ربات شبیه ساز مکالمه از طریق اپلیکیشن موبایل یا سایت) به علائم بیمار و نگرانی های او گوش می‌دهد و براساس تشخیص و علائمی که بدست آورده است بیمار را به مراقبت صحیح مورد نیاز راهنمایی و هدایت می‌کند.

دانشکده پزشکی هاروارد فقط یکی از بسیار بیمارستان‌ها و مراکز درمانی است که از BUOY برای کمک به تشخیص و ذرمان سریع‌تر بیماران استفاده می‌کنند.

 

آمار کاربردی و بینش عملی به کمک یادگیری عمیق - شرکت نبض

ENLITIC: آمار کاربردی و بینش عملی به کمک یادگیری عمیق

محل: سان فرانسیسکو، کالیفرنیا

روش استفاده از هوش مصنوعی در سلامت: Enlitic ابزارهای پزشکی مبتنی بر هوش مصنوعی و یادگیری عمیق را توسعه می‌دهد تا تشخیص های رادیولوژی را تسهیل و ساده تر کند. پلتفرم یادگیری عمیق این کمپانی داده های ساختارنیافته‌ای که نیاز به تحلیل دارند مثل عکس های رادیولوژی، تست های خونی، نوار قلب، تست های ژنتیکی و سابقه و پرونده بیماران را آنالیز می‌کند تا به پزشک بینش بهتری از نیازهای لحظه ای بیمار ارائه دهد.

دانشگاه MIT، کمپانی ENLITIC را در رده پنجم هوشمندترین فناوری های برپایه هوش مصنوعی و بالاتر از facebook  و microsoft رتبه بندی کرده است.

 

شناسایی زودتر سرطان به کمک هوش مصنوعی - نبض آوا

FREENOME: شناسایی زودتر سرطان به کمک هوش مصنوعی

محل: سان فرانسیسکو، کالیفرنیا

روش استفاده از هوش مصنوعی در سلامت: FREENOME از هوش مصنوعی در غربالگری، تست‌های تشخیصی و آزمایشات خون برای تست سرطان استفاده می‌کند. با توسعه هوش مصنوعی در غربالگری های عمومی، FREENOME قصد دارد سرطان را در مراحل اولیه تشخیص دهد و متعاقباً درمان های جدید را نیز توسعه دهد.

 

Beth Israel Deaconess Medical Center - تشخیص زودتر بیماری های کشنده

BETH ISRAEL DEACONESS MEDICAL CENTER: تشخیص زودتر بیماری های خونی کشنده

محل: بوستون، ماساچوست

روش استفاده از هوش مصنوعی در سلامت: BETH ISRAEL DEACONESS MEDICAL CENTER از هوش مصنوعی برای تشخیص بیماری های خونی کشنده، در مراحل ابتدایی استفاده می‌کند.

پزشکان از میکروسکوپ های مجهز به هوش مصنوعی برای اسکن باکتری های آسیب زا مثل E. coli و staphylococcus در نمونه های خونی استفاده می‌کنند که به نسبت اسکن های دستی سریع‌تر هستند.

محققین از 25000 نمونه خونی برای آموزش ماشین هوش مصنوعی برای گشتن به دنبال باکتری استفاده کرده‌اند و پس از آن ماشین هوش مصنوعی با دقت 95 درصد (accuracy) به تشخیص و پیشبینی باکتری های آسیب‌زا در نمونه های خونی می‌پردازد.

 

دستیار رادیولوژی مبتنی بر هوش مصنوعی

ZEBRA MEDICAL VISION: دستیار رادیولوژی مبتنی بر هوش مصنوعی

محل: شفاییم، فلسطین اشغالی

نحوه استفاده از هوش مصنوعی در سلامت: ZEBRA MEDICAL VISION با دستیار مبتنی بر هوش مصنوعی خود به کمک رادیولوژیست ها می‌آید و با دریافت عکس‌های اسکن رادیولوژی، آن‌ها را برای مشاهدات بالینی مورد بررسی قرار می‌دهد.

نتایج مشاهدات برای رادیولوژیست ارسال شده و متخصص رادیولوژی از آن‌ها برای تشخیص خود کمک می‌گیرد. 

 

منابع:
مطالب این مقاله از نظر صحت علمی توسط عرفان زمانی دانشجوی پزشکی دانشگاه علوم پزشکی تهران بررسی و مرور شده است.

تعداد بازدید: 958
نوشته شده در 1399/12/09
نظرات کاربران
برای ثبت دیدگاه، ورود به سایت الزامی است. حساب کاربری ندارید؟ ثبت نام کنید.