هوش مصنوعی، تشخیص و درمان

طراحی نرم افزار تشخیص بیماری ها به وسیله هوش مصنوعی 

نرم‌افزار جامع پشتیبان تصمیم‌گیری در پزشکی یکی از نرم‌افزارهایی است که با استفاده از هوش مصنوعی به تشخیص بیماری‌ها بر اساس علائم اقدام می‌کند به طوری که کاربر با وارد کردن نشانه‌های بیماری به رایانه، فهرستی از بیماری‌های محتمل را مشاهده خواهد کرد.
ثبت دقیق شرح حال بیمار، تشکیل پرونده، درخواست آزمایش‌های اولیه و تکمیلی، تجویز هوشمند دارو، نسخه نویسی، جستجوی اطلاعات بیماری، روش درمان، بانک اطلاعات داروها، روش مصرف و مشخص کردن عوارض جانبی داروها را از مزایای این نرم افزار است.
این نرم افزار همچنین می‌تواند بیش از دو هزار بیماری و ۳۰۰ علائم و نیز اطلاعات جامعی در زمینه ۶۰۰ آزمایش پزشکی ۱۳۰ مورد جراحی و ۹۰۰ عنوان دارو را در خود ذخیره کند.
مهم‌ترین قابلیت این نرم افزار بررسی و تشخیص همزمان ۱۵۰۰ بیماری و ۱۰۰ هزار رابط بین بیماری ها است و برای کمک بیشتر به پزشکان ده هزار صفحه از متون معتبر پزشکی، مجلات، مقالات و تصاویر تخصصی در این نرم افزار جمع آوری شده است.

استفاده از قابلیت‌های هوش مصنوعی در تشخیص عفونت های قلبی تهدید کننده

با کمک دو برنامه جدید هوش مصنوعی، امکان تشخیص عفونت‌های قلبی تهدید کننده حیات بیماران و همچنین درمان زخم‌های باز بدون نیاز به فرآیندهای معمول و زمان‌بر درمانی برای پزشکان فراهم شده است. پیشرفت حاضر در زمینه تشخیص عوارض مهلک در حالی صورت می‌گیرد که به اعتقاد جامعه پزشکی، جدا از نتایج چشمگیر آن در نجات جان انسان‌ها و اجتناب از اعمال جراحی تهاجمی و رنج آور، این پژوهش می‌تواند بدون نیاز به انجام آزمایش‌های متعدد به صرفه‌جویی میلیونی هزینه‌های بیمارستانی در سال کمک کند.
این نرم‌ افزار برای شناسایی بیماران دارای عفونت‌های قلبی توسعه یافته بوده و این در صورتی است که چنین عفونت‌هایی با نرخ مرگ و میر بین ۳۰ تا ۵۰ درصد، از عفونت‌های بسیار وخیم به شمار می‌روند. تشخیص دادن التهابات غشای درونی قلب (اندوکاردیتیک) یک عمل جراحی تهاجمی محسوب می‌شود و قصد از طراحی این نرم افزار تشخیص این عفونت بدون روانه کردن لوله کاوشی به درون مری فرد بیمار است.
تصویری که با استفاده از داخل کردن ابزار آندوسکوپی به درون نای شخص بیمار که با کمک دارو تسکین دهنده گرفته می‌شود، اصطلاحاً قلب‌ نگاری فرامری (ترانسوفاژل اندوکاردیوگرام) است که در نوع خود فرآیندی تهاجمی و گران به حساب می‌آید. در واقع یک عمل ۳۰ دقیقه‌ای با این روش بالغ بر ۲۰۰۰ دلار هزینه در بر دارد و از طرفی انجام این عمل به تجهیزات فنی خاصی نیاز دارد که بسیاری از بیمارستان‌ها فاقد آن هستند. این در حالی است که پزشکان می توانند به جای وارد کردن لوله‌های پزشکی، به وارد کردن داده‌های لازم به رایانه و تحلیل آن ها بپردازند. در این شیوه عمل، پزشکان ابتدا با ثبت داده‌هایی از جمله ضربان قلب، فشار خون، شمارش گلبول‌های سفید خون، حضور ادواتی نظیر ضربان سازهای قلبی یا سایر دستگاه‌های تعبیه شده، دمای بدن دریافتی بیماران در رایانه، نرم‌افزار دستیار عمل خود را آماده سازی می‌کنند. در این میان، تشخیص نهایی این بیماران نیز شامل اطلاعات داده شده به رایانه خواهد بود. در مرحله بعدی این الگوریتم رایانه‌ای به تحلیل داده‌های موجود برای ارتباط دادن علائم بیماری با تشخیص بیماری می‌پردازد. در ۵۰ درصد موارد این نرم‌افزار می‌تواند ظرف کمتر از ۴ ثانیه یک پیش‌بینی محاسبه‌ای را با دقت ۹۹/۹۹ درصد انجام دهد، در باقی موارد نیز این نرم‌افزار بیش از ۸۰ درصد صحت عمل داشته است. البته محققان به این مرحله بسنده نکرده و قصد دارند گام بعدی پروژه هوش مصنوعی خود را روی ۲۰۰ مورد از پرونده پزشکی بیمارانی اجرا کنند که رایانه اطلاعی از تشخیص نهایی آن ها ندارد. تشخیص عفونت‌های قلبی مشکل است اما اغلب می‌توان آن ها را با تجویز و مصرف حدود یک هفته آنتی‌بیوتیک ‌معالجه کرد.

طراحی نرم افزاری بر پایه هوش مصنوعی برای کمک به التیام زخم های باز

زخم‌های باز که پس از هفته‌ها یا ماه‌ها درمان در برابر التیام و بهبود مقاومت کرده، معالجات را رد می‌کنند و به عنوان زخم‌های کم خون موضعی شناخته می‌شوند، راه تشخیص آسانی دارند اما در عوض به طرز نا امید کننده‌ای درمان دشواری را به همراه دارند و حتی به اعتقاد برخی پزشکان، این گونه زخم‌ها هر درمانی را بی اثر می‌کنند و انگار که هیچ درمانی برای التیام آن ها صورت نگرفته است. در همین ارتباط، گروهی از محققان موفق به توسعه الگوریتمی ریاضیاتی شده‌اند که می‌تواند زمان بسته شدن یک زخم باز از نوع کم خون موضعی و همچنین این را که چه عوارض و پیامدهایی طی فـرآیند قطع جریان خون و بندآوری بروز می‌کند، پیش‌بینی کند. مدل‌های فعلی، زخم‌هایی را هدف می‌گیرند که در هر صورت بسته خواهند شد و هدف توسعه مدلی برای زخم‌هایی است که نمی‌خواهند بسته شوند.
مواردی همچون زخم‌ پای بیماران دیابتی یا زخم بیمارانی که به دلیل عوارض دیگری قبلا فرآیند بیمارستانی را گذرانده‌اند، از موارد شایع و هدف زخم‌های باز محسوب می‌شود. گروهی تحقیقاتی برای کمک به درمان زخم‌های موضعی، برنامه‌ای را توسعه داده‌اند که داده‌های بیماران را پردازش می‌کند؛ اطلاعاتی از قبیل غلظت خون، فاکتورهای رشد، حضور گلبول‌های سفید و تراکم فیبروبلاستی از جمله داده‌هایی است که به رایانه داده می‌شوند. رایانه نیز با استفاده از این داده‌ها مدلی سه‌بعدی از زخم مربوط را ایجاد و چگونگی التیام یافتن و بهبود سریع آن را ظاهر می‌کند و به‌علاوه زمان بسته شدن زخم را نیز تخمین می‌زند. به ادعای محققان، اکنون و بر اساس این مدل، یک زخم معمولی ظرف حدود ۱۳ روز بسته خواهد شد و این در حالی است که پس از گذشت ۲۰ روز تنها ۲۵ درصد از زخم‌های باز موضعی التیام و بهبود می‌یابند. این اعداد و ارقام با آنچه عملا برای بیماران اتفاق می‌افتد تطبیق می‌کند، اما در این میان نباید از نظر دور داشت که تا اینجای کار تنها در قالب تئوری استفاده شده و مدل حاضر هنوز روی بیماران انسانی امتحان نشده است.
به اعتقاد برخی محققان، فناوری هوش مصنوعی یا به عبارتی سامانه‌های شبیه‌ساز نحوه کارکردهای مغز خواه برای بهبود زخم‌ها و چه در مورد عفونت‌های قلبی به کار برده شوند، دست کم به این زودی‌ها جای پزشکان واقعی را نخواهند گرفت. این شبکه‌های عصبی مصنوعی نه می‌توانند بیماران را ببینند و نه می‌توانند آن ها را برای یافتن علائم عفونت و آلودگی یا نشانه‌های مرضی مورد آزمایش قرار دهند؛ اما واقعیت این است که چنین برنامه‌هایی در موارد گیج‌کننده و مبهم که کار تشخیص بیماری با دشواری مواجه می‌شود و تشخیص صحیح و به‌موقع برای پزشک و بیمار بسیار حیاتی است، دستیاری قابل و مورد اطمینان برای متخصصان بالینی به شمار می‌رود.

نویسنده: دکتر محمد مهربهشتی