آینده پزشکی: چگونه هوش مصنوعی به تشخیص بیماری‌ها کمک می‌کند؟

نتیجه یک آنالیز که به تازگی توسط موسسه تحقیقاتی معتبر گارتنر منتشر شده، پیش‌بینی می‌کند که تا سال ۲۰۲۱ گردش مالی حاصل از دستگاه‌های هوشمند به ۲۹ میلیارد دلار خواهد رسید و ۳۰ درصد شرکت‌های بزرگ از نرم‌افزارها یا دستگاه‌هایی استفاده می‌کنند که به هوش مصنوعی تکیه دارند. اما «هوشمند» بودن یک دستگاه یا نرم‌افزار به چه معنی است؟ و این موضوع در حوزه پزشکی و تشخیص بیماری‌ها چه کاربردی دارد؟ این روزها صحبت‌های مختلفی در مورد تهدید رشته پزشکی توسط هوش مصنوعی شنیده می‌شود. آیا این پیش‌بینی‌ها حقیقت دارد؟ در این مطلب« ایران ام دی» به بررسی بیشتر این موضوع می‌پردازیم.

هوش مصنوعی چیست؟
اگر دستگاهی بتواند به خودش آموزش بدهد و خودش را بهتر کند، می‌توانیم آن را نوعی هوش بدانیم. به توانایی یادگیری توسط یک دستگاه بی‌جان، یادگیری ماشینی (machine learning) می‌گویند که زیرشاخه‌ای از هوش مصنوعی است.

در مقطع زمانی فعلی، صحبت کردن از ماشین‌های هوشمند ما را به یاد چیز‌هایی می‌اندازد که آنقدرها هم باهوش نیستند! مثلا ربات‌هایی که در کارخانه به مونتاژ قطعات مشغولند و یا مسواک‌های برقی‌ نسبتا هوشمندی که دارای سنسورهایی برای هشدار دادن در مورد مدت زمان مسواک زدن و میزان فشار وارد شده هستند. اما هوش مصنوعی در پشت صحنه به سرعت در حال پیشرفت است. پیش از آشنایی با برخی گام‌های مهم برداشته شده، لازم است که با معنی چند عبارت آشنا شویم:

آشنایی با ترمینولوژی
بد نیست با مفهوم سه عبارت پرکاربرد در این حوزه آشنا شویم:

هوش مصنوعی (Artificial Intelligence):
هوش مصنوعی که به طور مخفف AI نیز نامیده می‌شود، یک عبارت کلی برای بیان تکنیک‌هایی است که به کامپیوترها اجازه می‌دهد هوش انسان را تقلید کنند. این مفهوم کامپیوترها را قادر می‌سازد که دارای منطق باشند، از قوانین پیروی کنند و به آنها توانایی یادگیری و تصمیم‌گیری می‌دهد.

یادگیری ماشینی (Machine Learning):
در واقع زیرمجموعه‌ای از هوش مصنوعی است و شامل تکنیک‌هایی است که به ماشین‌ها اجازه می‌دهد تجربه پیدا کنند و مهارت‌های خودشان را بر اساس آموخته‌ها بهبود ببخشند. یکی از زیرمجموعه‌های آن «یادگیری عمیق» نام دارد.

یادگیری عمیق (Deep Learning):
همانطور که گفتیم این هم نوعی یادگیری است و زیرمجموعه‌ای از یادگیری ماشینی به حساب می‌آید. کامیپوتر دارای الگوریتم‌هایی است که می‌تواند با کمک آنها بیاموزد و مهارت‌های خودش را ارتقا دهد. در این روش از تکنیک‌هایی استفاده می‌شود که کامپیوتر با کمک‌ آنها قادر به کشف ویژگی‌های مختلف و آموزش خودش بر مبنای آنها است. به خاطر شباهت این روش با فرایندی یادگیری و عملکرد نورون‌های مغز، به برخی معماری‌های این روش، «شبکه‌های عصبی» نیز گفته می‌شود.

«یادگیری عمیق» چگونه قادر به تشخیص بیماری‌ها خواهد بود؟

هوش‌مصنوعی در شاخه‌های مختلفی به کار گرفته می‌شود و رشته پزشکی یکی از تخصص‌هایی است که هوش مصنوعی با سرعتی زیاد مشغول آموختنش است. هوش مصنوعی برای تحصیل! در رشته پزشکی از روش «یادگیری عمیق» استفاده می‌کند.

برای مثال در حال حاضر سیستمی ساخته شده که قادر به تشخیص توده‌های بدخیم پوستی با دقت بسیار بالا است. اما احتمالا این پرسش ایجاد می‌شود که کامپیوتر چگونه می‌تواند یک خال طبیعی را از یک خال بدخیم تشخیص بدهد؟ پاسخ در تکنیک «یادگیری عمیق» نهفته است.

اجازه دهید با یک مثل پیش برویم:

تصور کنید می‌خواهید به کامپیوتر یاد بدهید تا در میان انبوهی از تصاویر، قادر به تشخیص تصویر سگ‌ها باشد. سگ‌ دارای برخی ویژگی‌ها است: مثلا دوچشم دارد، چهار پا دارد، دم دارد، از انسان کوچک‌تر است، از گربه بزرگ‌تر است و پشمالو است!

شما تعداد زیادی تصویر از سگ‌های مختلف به کامپیوتر نشان می‌دهید و کامپیوتر با کمک الگوریتم‌های یادگیری عمیق، به تدریج یاد می‌گیرد که چگونه میان تصویر یک سگ و دیگر تصاویر تفاوت قائل شود.

فرایند یادگیری توسط هوش مصنوعی

فرایند یادگیری توسط هوش مصنوعی

در مورد تشخیص بیماری‌ها هم فرایند یادگیری به همین منوال است و تقریبا شبیه همان فرایندی است که ما انسان‌ها برای یادگیری طی می‌کنیم. کامپیوتر پس از دریافت هزاران تصویر از خال‌های طبیعی و بدخیم، به اندازه‌ای تجربه پیدا می‌کند که قادر به افتراق موارد بدخیم با دقت بسیار بالا می‌شود.

اما یک تفاوت اساسی میان انسان و کامپیوتر وجود دارد: انسان برای دیدن و یادگیری هزاران خال طبیعی و غیرطبیعی به زمان نیاز دارد تا تجربه خودش را بالا ببرد. اما کامپیوترها در این مورد بسیار سریع‌تر از انسان‌ها هستند و می‌توانند طی زمانی بسیار کوتاه، هزاران و حتی میلیون‌ها تصویر ببینند و به سرعت تجربه خودشان را بالا ببرند.

دسترسی به منابع عظیم اطلاعات سلامت
سامانه‌های ثبت الکترونیکی اطلاعات سلامت این اجازه را به کامپیوترها می‌دهند که به انبوهی از اطلاعات مختلف سلامت و پرونده‌های پزشکی دسترسی داشته باشند. هرچه اطلاعات بیشتری در این سیستم‌ها ذخیره شود، سیستم‌های هوش مصنوعی امکان یادگیری بیشتری خواهند داشت و الگوریتم‌های خودشان را بهتر و قوی‌تر می‌کنند.

در حال حاضر شرکت‌ها و محققان زیادی در سراسر دنیا روی موضوع به کارگیری اطلاعات سلامت و ارتقای هوش مصنوعی کار می‌کنند.

 

وضعیت حال حاضر: کامپیوترها در تشخیص بیماری‌ها چقدر باهوش شده‌اند؟

چیز‌هایی که تا به حال صحبت کردیم فقط تئوری نیستند و همین الان نیز به کار گرفته شده‌اند. برای مثال، حدود یک سال پیش نتایج تحقیقی در مجله نیچر منتشر شد که سروصدای زیادی به پا کرد.

این تحقیق توسط تعدادی از برجسته‌ترین پیشگامان هوش‌مصنوعی و یک گروه پزشکی در دانشگاه استنفورد انجام شده بود. آنها حدود ۱۳۰ هزار تصویر از کیس‌های کلینیکی به کامپیوتر‌ نشان دادند که حدود ۲۰۰۰ تای آنها دارای انواع بیماری‌های پوستی بودند. سیستم هوش مصنوعی ساخته شده، بعد از دیدن این تصاویر، قادر به تشخیص بیماری‌های پوستی شده بود.

در مرحله بعد آنها توانایی این سیستم را برای تشخیص دو نوع بدخیمی خاص مورد ارزیابی قرار دادند:

۱- آیا کامپیوتر قادر است بین seborrheic keratoses خوش‌خیم و keratinocyte carcinomas افتراق قائل شود که شایع‌ترین سرطان پوست است؟

۲- آیا کامپیوتر قادر است خال طبیعی را از ملانوم بدخیم که خطرناک‌ترین سرطان پوستی است، افتراق دهد؟

آنها توانایی کامپیوتر در تشخیص این بیماری‌ها را با توانایی ۲۱ درماتولوژیست معتبر در آمریکا مقایسه کردند و نتیجه تحقیق نشان داد که کامیپوتر در تشخیص این بیماری‌ها به خوبی درماتولوژیست‌های باتجربه عمل می‌کند!

حال برنامه بعدی آنها این است که یک اپلیکیشن موبایل ارایه کنند تا کاربران بتوانند از ضایعات پوستی‌شان عکس گرفته و برای این سیستم هوش مصنوعی ارسال کنند و طی چند ثانیه جواب دریافت کنند.

روی جلد شماره فوریه ۲۰۱۷ مجله نیچر به مقاله تشخیص بدخیمی‌های پوستی با کمک هوش مصنوعی اختصاص یافت.

روی جلد شماره فوریه ۲۰۱۷ مجله نیچر به مقاله تشخیص بدخیمی‌های پوستی با کمک هوش مصنوعی اختصاص یافت.

اما توانایی کامپیوترها به تشخیص بیماری‌های پوستی محدود نمی‌شود و آنها به تدریج قادر به تشخیص بسیاری بیماری‌های دیگر نیز خواهند بود. کافی است علائم مثبت و منفی بیماری را کنار هم بگذارند تا یاد بگیرند چگونه می‌توانند به تشخیص برسند.

مثال جالب دیگر، کاری است که توسط شرکت Enlitic انجام شده: آنها با کمک «یادگیری عمیق» به کشف ندول‌های ریه در تصاویر سی‌تی اسکن و MRI می‌پردازند و احتمال بدخیم بودن آنها را بررسی می‌کنند. مدیرعامل این شرکت که استاد سابق رشته radiation oncology دانشگاه کالیفرنیا است، ادعا می‌کند که الگوریتم‌های هوش مصنوعی این شرکت در حال حاضر از پزشکان رادیولوژیست بهتر عمل می‌کند.

او می‌گوید “تا پیش از این، نرم‌افزارهای کامپیوتری از تعدادی پیش‌فرض محدود برای تشخیص برخی بیماری‌های خاص استفاده می‌کردند و برای هر بخش از بدن انسان و هر گروه از بیماری‌ها به نرم‌افزارهای خاصی نیاز بود. نتیجه کار آنها نیز اشتباهات زیادی داشت و نمی‌توانست خودش را با شرایط مختلف وفق بدهد. به همین خاطر این نرم‌افزارها هیچ وقت در بالین بیمار مورد استفاده قرار نگرفتند. اما یادگیری عمیق می‌تواند به سرعت، طیف گسترده‌ای از بیماری‌ها را در تمام بدن مد نظر قرار دهد و تمام انواع روش‌های تصویربرداری موجود (مانند رادیوگرافی‌ها، سی‌تی اسکن و…) را پوشش دهد.”

آیا هوش مصنوعی، پزشکی را تهدید می‌کند؟

برای دادن یک پاسخ قطعی نباید عجله کرد. الگوریتم‌های یادگیری عمیق، مشابه ما پزشکان با دیدن کیس‌های بیشتر، با تجربه‌تر می‌شوند. با این تفاوت که آنها به استراحت و خواب نیاز ندارند. یک پزشک پس از دیدن هزاران تصویر MRI در طول زندگی کاری‌اش تجربه کسب می‌کند. اما یک کامپیوتر می‌تواند در مدت زمانی کوتاه چند میلیارد تصویر MRI ببیند. امکان بروز اشتباه در انسان‌ها زیاد است، اما در مورد کامپیوترها اوضاع به گونه‌ای دیگر پیش ‌می‌رود. ضمن اینکه کامپیوتر بیمار یا خسته نمی‌شود و دل‌مشغولی‌های دیگری نیز ندارد.

برخی پیش‌بینی‌ها می‌گویند که کامپیوترها به زودی قادر خواهند بود در ابعاد وسیع جایگزین پزشکان شوند و حتی پیش‌بینی می‌کنند که سه رشته درماتولوژی، رادیولوژی و پاتولوژی زودتر از بقیه تخصص‌ها قربانی هوش مصنوعی می‌شوند. چرا که «تصاویر»، منبع اصلی آموزش این تخصص‌ها به کامیپوترها هستند.

اما یک زاویه دیگر این است که هوش مصنوعی به «کمک» پزشکان در تشخیص و درمان بیماری‌ها خواهند آمد و نتیجه آن به نفع پزشک و بیمار خواهد شد. البته نباید انکار کرد که هوشمند شدن کامپیوترها باعث می‌شود که ما پزشکان نیز به ارتقای مهارت‌هایمان هم در حوزه پزشکی و هم در کامیپوتر نیاز بیشتری پیدا کنیم.

نظر شما در این مورد چیست؟

تلگرام ایران ام‌دی

همین الان به رایگان مشترک مطالب «ایران MD» شوید

آدرس پست الکترونیک:


۱- از ایمیل شما استفاده تبلیغاتی نخواهد شد
۲- هر زمان که مایل باشید می توانید اشتراک ایمیلی خود را قطع کنید
Delivered by Google FeedBurner

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *