داده کاوی و مدیریت داده سلامت با هوش مصنوعی - نبض هوشمند سلامت

داده کاوی و مدیریت داده سلامت با هوش مصنوعی

برچسب‌ها:هوش مصنوعی
تاریخ بارگذاری:۱۴۰۰/۴/۱۲
تاریخ آخرین ویرایش:۱۴۰۱/۷/۲
تخصصی

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.

صنعت هوش مصنوعی رشد بسیار بالایی دارد و در سال ۲۰۱۴ حدود ۶۰۰ میلیون دلار ارزش گذاری شده و پیشبینی می‌شود که تا سال ۲۰۲۶ به بیش از ۱۵۰ 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 مدیریت داده های سلامت می‌پردازیم. با ما همراه باشید.

 

مدیریت داده های سلامت

داده کاوی و مدیریت داده سلامت به کمک هوش مصنوعی

صنعت سلامت به عنوان یکی از پیشگامان کلان داده(big data) شناخته می‌شود. بسیاری از اوقات، اطلاعات با ارزش در میان توده بسیار اطلاعات گم می‌شود. با استفاده درست از اطلاعات موجود می‌توان سالانه ۱۰۰ میلیارد دلار در هزینه‌های سلامت و دارو صرفه جویی کرد. علاوه بر این، عدم همراهی و اتصال اطلاعات با ارزش در کنار یکدیگر منجر به کند شدن توسعه داروهای جدید، تشخیص صحیح بیماری ها و طب پیشگیری شده است.

بسیاری برای مقاله با از دست رفتن اطلاعات به هوش مصنوعی روی آورده‌اند. این فناوری اطلاعات بسیار را که شاید برای بررسی‌شان سال‌ها زمان نیاز باشد در عرض چندین دقیقه تحلیل می‌کند.

در ذیل به هفت مثال از کاربرد هوش مصنوعی در داده کاوی سلامت می‌پردازیم.

 

 کتابخانه گسترده اطلاعات برای پزشکی Tempus

TEMPUS: کتابخانه گسترده اطلاعات برای پزشکی شخصی سازی شده

محل: شیکاگو، ایلینویز

نحوه استفاده از هوش مصنوعی در سلامت: Tempus با غربال کردن جهان اطلاعات بالینی و داده های مولکولی به درمان های پزشکی شخصی سازی شده کمک می‌کند. این کمپانی ابزارهای هوش مصنوعی که به جمع‌آوری و پردازش داده ها، از توالی ژنتیکی گرفته  تا تشخیص تصویر، که به پزشکان بینش بهتری برای درمان می‌دهد را توسعه می‌دهد.

Tempus در حال حاضر از داده های خود برای درمان و تحقیق در موضوع سرطان بهره می‌گیرد.

 

پیش بینی ریسک‌های بیمارستانی KenSci

KenSci: پیش بینی ریسک‌های بیمارستانی با کمک هوش مصنوعی

محل: سیاتل، واشینگتون

نحوه استفاده از هوش مصنوعی در سلامت: KenSci با ترکیب کلان داده(big data) و هوش مصنوعی به پیشبینی‌های بالینی، مالی و ریسک های عملیاتی می‌پردزاد. دریافت داده از منابع موجود و پیش آگاهی بخشی در خصوص موارد بسیار از جمله اینکه چه کسی ممکن است بیمار شود تا اینکه چه چیزی باعث افزایش هزینه های بهداشتی بیمارستان می‌شود از مواردی است که این کمپانی در آن فعالیت می‌کند.

KenSci در این مسیر با کمپانی های بزرگی در حوزه فناوری و علوم داده از جمله جنرال الکتریک، KPMG، Allscripts و میکروسافت نیز همکاری می‌کند.

 

داده های تصاویر پزشکی PROSCIA

PROSCIA: نگاهی دقیق تر به داده های تصاویر پزشکی

محل: فیلادلفیا، واشینگتون

نحوه استفاده از هوش مصنوعی در سلامت: Proscia یک پلتفرم دیجیتال پاتولوژی است که با استفاده از هوش مصنوعی به شناسایی الگوهای سلول های سرطانی می‌پردازد. نرم‌افزار این کمپانی به آزمایشگاه های پاتولوژی کمک می‌کند تا تنگناهای مدیریت داده را برطرف کنند و با استفاده از هوش مصنوعی به آنالیز تصاویر پرداخته و مواردی که به نفع تشخیص و کمک به درمان سرطان می‌کنند را به هم مرتبط می‌کند.

Proscia اخیراً در سری A جذب سرمایه خود موفق به جذب 8.3 میلیون دلار شده است که به گسترش استفاده از نرم‌افزار و ابزارهای هوش مصنوعی این کمپانی کمک خواهد کرد.

 

هوش مصنوعی برای داده های سیستم سلامت H2O.AI

H2O.AI: هوش مصنوعی برای داده های سیستم سلامت

محل: ماون تین ویو، کالیفرنیا

نحوه استفاده از هوش مصنوعی در سلامت: H2O.AI با آنالیز مبتنی بر هوش مصنوعی داده های سیستم سلامت به داده کاوی، خودکارسازی و پیشبینی فرایندها می‌پردازد. H20.ai تا کنون برای نقل و انتقالات بیماران به ICU، بهبود جریان کار و مشخص کردن احتمال ابتلای بیماران به عفونت های بیمارستانی استفاده شده است.

با استفاده از H2O.AI، بیمارستان ها می‌توانند به پیش بینی و تشخیص سپسیس (عفونت تهدید کننده حیات) برسند که در نهایت به کاهش نرخ مرگ و میر می‌انجامد.

 

واتسون ،پاسخگوی سوالات بیماران  IBM’s Watson

IBM’s Watson: واتسون ،پاسخگوی سوالات بیماران، به کمک بیمارستان ها می‌آید

محل: ارمونک (Armonk)، نیویورک

نحوه استفاده از هوش مصنوعی در سلامت: واتسون به متخصصین سلامت کمک می‌کند تا اطلاعاتشان را تحت کنترل درآورند و به بهینه سازی کارایی بیمارستان، تعامل بهتر با بیماران و بهبود درمان بپردازند.

واتسون در حال حاضر مهارت‌های خود را در برنامه های شخصی سلامت، تفسیر نتایج تست های ژنتیکی و دریافت نشانه های اولیه بیماری ها به کار می‌گیرد.

 

اطلاع رسانی به پزشکان از مشکلات بیماران  GOOGLE DEEPMIND HEALTH

GOOGLE DEEPMIND HEALTH: اطلاع رسانی به پزشکان از مشکلات بیماران جهت کمک به تشخیص

محل: لندن، انگلستان

نحوه استفاده از هوش مصنوعی در سلامت: نرم افزار هوش مصنوعی DeepMind شرکت گوگل در بیمارستان هایی در سرتاسر جهان استفاده می‌شود تا بیماران به صورت بهینه تری از تست و ارزیابی به سمت درمان حرکت کنند.

برنامه سلامت DeepMind پزشکان را هنگامی که سلامت بیمار بدتر می‌شود آگاه می‌سازد و همچنین با ترکیب مجموعه داده های خود به تشخیص بیماری ها براساس علائم کمک می‌کند. با دریافت علائم بیمار و قرار دادن آن در پلتفرم DeepMind، پزشکان می‌توانند سریع‌تر و کاراتر به تشخیص برسند.

 

داده و زندگی دیجیتال ICARBONX

ICARBONX: داده و زندگی دیجیتال

محل: شنژن، چین

نحوه استفاده از هوش مصنوعی در سلامت: iCarbonX از هوش مصنوعی و کلان داده برای نگاهی نزدیک‌تر به مشخصه‌های زندگی انسان به گونه‌ای که آن را "زندگی دیجیتال"(digital life) توصیف می‌کند می‌پردازد.

با آنالیز سلامت و اقدامات انسانی در "carbon cloud" کمپانی انتظار دارد که کلان داده‌اش به قدری قوی شود که بتواند ابعاد مختلف سلامت را مدیریت کند.  iCarbonX باور دارد که فناوری خود قادر به جمع‌آوری داده کافی برای دسته بندی بهتر علائم، توسعه انتخاب های درمانی جدید و سالم تر کردن جامعه خواهد بود.

 

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

اشتراک‌گذاری مقاله

نظرات: 0 عددافزودن نظر

مطالب مشابه

مشاهده همه
همراهان نبض

به ما اعتماد کرده‌اند