هوش مصنوعی

از هوش مصنوعی در پزشکی می‌توان برای تسریع در تحقیقات علوم زندگی استفاده کرد. و امروزه شرکت های زیادی با پیشنهادات هوش مصنوعی در بازار وجود دارند که این کار را انجام می دهند.

درک بیرد رئیس Sensyne Health آمریکای شمالی است ، که نظارت بر بیمار مبتنی بر هوش مصنوعی را برای سازمان های ارائه دهنده خدمات بهداشتی ارائه می دهد و به شرکت های علوم زیستی کمک می کند داروهای جدید تولید کنند.

بیرد معتقد است برخی از شرکت های بزرگ علامت هوش مصنوعی را از دست داده و در نهایت اعتماد عمومی به این نوع فناوری ها را برطرف کرده اند ، اما برخی از شرکت ها با شروع کار با اصول اولیه کد را شکسته اند. وی همچنین معتقد است که موفقیت هوش مصنوعی به حل مسائل غیر جذاب مانند نرمال سازی داده ها ، قابلیت همکاری ، ادغام گردش کار بالینی و مدیریت تغییر بستگی دارد.

بهداشت و درمان IT News با Baird مصاحبه کرد تا درباره نقش AI در مراقبت های بهداشتی امروز و اینکه چگونه این فناوری می تواند مشکلات رایج را حل کند و تحقیقات را پیش ببرد ، بحث کند.

س: چگونه می توان از هوش مصنوعی و یادگیری ماشینی برای پیشبرد مراقبت های بهداشتی و تسریع در تحقیقات علوم زندگی استفاده کرد؟ اکنون کجا اتفاق می افتد و بالابرهای سنگین برای آینده چیست؟

پاسخ: هوش مصنوعی امروزه تأثیر عمیقی بر روش های تحقیق درباره داروها ، انجام آزمایشات بالینی و درک بیماری ها دارد. و گرچه من فکر می کنم نقش فعلی هوش مصنوعی فقط نوک کوه یخی بسیار بزرگ است ، من فکر می کنم که ما به عنوان یک صنعت باید در مورد روشهای توصیف وعده هوش مصنوعی در مراقبت های بهداشتی دقت بیشتری کنیم.

در مورد هوش مصنوعی آنقدر زیاد اغراق شده است که من فکر می کنم ما فراموش می کنیم که این فناوری ها فقط بخشی از معادله مراقبت های بهداشتی هستند ، نه یک گلوله نقره ای که ناگهان همه چیز را حل خواهد کرد. زیست شناسی از بسیاری جهات سخت ، پیچیده و هنوز هم بسیار مرموز است ، اما هوش مصنوعی در حال حاضر نوید خود را می دهد و اجازه می دهد مقدار زیادی از داده ها را بسیار سریعتر و باهوش تر از آنچه در گذشته بود ، غربال کنیم.

یکی از راه هایی که امروزه شاهد نویدبخش هوش مصنوعی هستیم ، توانایی آن است که به ما کمک کند تا فراتر از علائم شناسی و درک عمیق تری از نحوه کار بیماری ها در افراد و جمعیت ها داشته باشیم. بیایید به COVID-19 نگاهی بیندازیم.

چالش بزرگ ما با COVID-19 تشخیص نیست ، بلکه این که وقتی بیمار مثبت داریم ، نمی دانیم که چقدر بیمار می شوند. ما درکی از خصوصیات بالینی بیماری داریم ، اما عوامل خطر زمینه ساز انتقال از خفیف به شدید هنوز درک نشده اند. با استفاده از هوش مصنوعی ، می توان میلیون ها پرونده بیمار را با سرعت و سطحی از جزئیات که بشر نمی تواند به آنها نزدیک شود ، تجزیه و تحلیل کند.

ما توانسته ایم بسیاری از عواملی را که منجر به بروز موارد شدید می شود با هم مرتبط کنیم و اکنون قادر به پیش بینی افرادی که به احتمال زیاد در ICU بستری می شوند ، که به تهویه هوا نیاز دارند و احتمال زنده ماندن آنها چیست.

علاوه بر توانایی پیش بینی قدرتمند فردی و سطح جمعیت ، این تجزیه و تحلیل ها همچنین شروع خوبی در درک مکانیسم های بیماری است که می تواند به نوبه خود توسعه و آزمایش داروهای درمانی را تسریع کند.

این فقط یک مثال است. تعداد بسیار بیشتری وجود دارد. 12 ماه گذشته ، زمان پیشرفت سریع AI برای مراقبت های بهداشتی بوده است ، و این امکان را برای تشخیص منسجم بیماری های کم درک ، برنامه های درمانی شخصی بر اساس ژنتیک پاسخ درمانی و البته کشف دارو فراهم می کند.

در حال حاضر هوش مصنوعی در آزمایشگاه ها برای کمک به کشف داروهای جدید و استفاده های جدید از داروهای موجود مورد استفاده قرار می گیرد و این کار سریعتر و ارزان تر از همیشه انجام می شود ، بنابراین منابع گرانبها آزاد می شود.

آسانسورهای سنگین فنی زیادی وجود دارد ، اما نوآوری در زمینه هوش مصنوعی در حال حاضر واقعاً باورنکردنی است و در حال پیشرفت است. من فکر می کنم بالابر بزرگتر در حال حاضر اعتماد است. صنعت هوش مصنوعی با بیش از حد سایه پردازی بی وقفه در مورد خود ، و به دلیل ضعف در عملکرد خود ، اغراق بیش از حد نقش خود در معادله کلی مراقبت های بهداشتی و ایجاد ترس در مورد آنچه که با داده های همه انجام می شود ، به خود و علم آسیب رسانده است.

ما باید درمورد هوش مصنوعی از نظر آنچه امروزه واقعاً انجام می دهد و نقش آن در علم و مراقبت شروع کنیم و باید شفافیت بیشتری در مورد داده ها داشته باشیم: نحوه بدست آوردن آن ، استفاده از آن و به طور کلی اطمینان از استفاده هوشمندانه از آن ، با مسئولیت پذیری و با رعایت حریم خصوصی بیمار.

س: شما می گویید که برخی از سازمان های بزرگ علامت هوش مصنوعی را از دست داده و در نهایت اعتماد عمومی به این نوع فناوری ها را از بین بردند. لطفا شرح دهید. شما معتقدید موفقیت هوش مصنوعی در حل مسائل غیر جذاب مانند نرمال سازی داده ها ، قابلیت همکاری ، ادغام گردش کار بالینی و مدیریت تغییر بستگی دارد. چرا؟

پاسخ: شرکت ها میلیاردها دلار صرف جمع آوری غیرقابل تصور مجموعه داده های گسترده و قول سیستم های فوق العاده هوشمند کردند که می توانند بیماری را بهتر از انسان پیش بینی ، تشخیص و درمان کنند. انتظارات عمومی متزلزل نبود ، اما انتظارات سازمانهای بهداشتی که روی این راه حل ها سرمایه گذاری کرده اند نیز همین بود.